城市化背景下 Song 朝代文化遗产的风险评估：以中国开封市的历史遗迹为例，构建基于景观的空间模型

《Geomatica》：Urbanization-driven risk assessment of song-dynasty cultural heritage under land-use transition: A landscape-based spatial model for historic Kaifeng, China

本研究针对开封宋王朝文化遗产，构建了整合自然、社会与景观风险的NSL模型，通过多时序土地利用数据、城市扩张强度指数（UEI）和景观格局指标（LPI、DIVISION、LSI等），揭示城市化导致的风险动态变化，提出动态缓冲区管理策略。

　　城市化进程和土地利用变化是历史城市文化遗产风险的主要驱动力，但这些变化的时空动态及其潜在机制仍缺乏系统研究。本文以中国中部的开封市为例，探讨了宋代文化遗产面临的风险，并提出了一种集成化的风险评估框架。该框架结合了多时相土地利用数据、城市扩张强度（UEI）、景观格局指标以及基于层次分析法（AHP）的自然-社会-景观（NSL）风险模型，以实现对文化遗产风险的动态评估。通过1985年至2022年的遥感和地理信息系统（GIS）数据，研究揭示了开封市土地利用模式从耕地向不透水地表的显著转变，同时指出城市扩张强度和景观碎片化在文化遗产聚集区加速发展。结果表明，风险热点从早期的郊区向近年来的文化遗产核心缓冲区转移，这主要受到城市扩张与景观碎片化的相互作用驱动。NSL模型能够定量反映自然、社会和景观因素的综合影响，从而实现对风险区域的动态映射。与近期具有高影响力的文献进行比较分析，研究不仅显示出与更广泛的城乡文化遗产风险模式的一致性，还提供了对风险空间异质性和时间演变的新见解。这些发现强调了制定适应性、空间针对性的保护政策的必要性，并为文化遗产丰富的地区提供了一个可复制的方法论参考，用于风险导向的城市规划。

在历史城市中，不受控制的城市扩张和基础设施建设可能对文化遗产价值造成不可逆的损害。实证研究表明，新建筑、交通项目和环境污染会导致文化遗产的损失或扭曲。在中国中原地区，文化遗产嵌入在城市或农业用地中，面临最大的建设与农业活动压力。同时，一些研究指出，文化遗产丰富的城市往往规划更多的绿地和低密度发展，这表明文化遗产与城市形态之间存在非线性关系。这些不同的观点反映了研究在规模和方法上的差异，例如宏观层面将文化遗产密度与城市形态联系起来，而另一些研究则关注遗址周围的特定风险图。因此，静态的健康影响评估（HIA）与新的基于风险的方法存在明显区别，这也导致了关于城市扩张对文化遗产影响程度和路径的共识尚不明确。

为了弥补这一空白，本文提出了一种动态、空间显式的风险评估方法，将土地利用变化纳入考虑范围，并构建了一个能够综合自然、社会和景观维度的定量模型。这种模型在遗产科学领域日益受到重视，但即便是这些研究，往往也仅限于有限的因素或时间尺度。虽然自然、社会和景观因素与AHP和GIS技术结合用于风险和脆弱性评估已在城市和环境研究中逐渐普及，但本文将其创新性地应用于文化遗产保护领域。具体而言，本文提出了一个NSL风险模型，将多时相土地利用分析、城市扩张强度网格和景观格局指标整合在一个框架内，以评估历史城市中文化遗产风险的空间和时间演变。该方法被应用于开封市，重点关注其宋代文化遗产，并旨在量化文化遗产在土地利用转变下的动态风险，并解释城市扩张（通过UEI测量）和景观碎片化指标如何驱动这种风险。从方法论上讲，本文采用了高分辨率的遥感数据和GIS技术，构建了时间序列的UEI网格，并计算了文化遗产区域的景观格局指数，这些数据随后被整合到加权的NSL风险模型中。这种方法不仅结合了土地利用地图、定量扩张指数和社会生态因素，还超越了以往静态或单一维度的评估方式。

本文选取了开封市作为研究对象，该城市位于中国中原地区的黄河冲积平原腹地，地理坐标为34°32′–34°57′N，114°16'–114°45′E。开封市在历史上曾多次作为首都，具有丰富的宋代文化遗产。这些遗产包括超过20处文化遗址，涵盖了重要的建筑遗迹和大型遗址，以及历史景观等类型。此外，开封市还具有多重城市扩张压力、农业用地变化和密集的文化遗产空间，使其成为研究土地利用转变和城市化对文化遗产风险影响的理想区域。研究区域的分布情况如图1所示。

研究方法部分，本文采用了多源、多时相的遥感和地理空间数据，系统地捕捉了1985年至2022年期间土地利用和城市扩张的时空动态。通过分析五次关键年份（1985、1995、2005、2015和2022）的土地利用变化，本文研究了城市化背景下开封市土地利用特征及其转变机制。具体包括土地转移矩阵、土地利用动态分析以及综合土地利用动态分析。通过计算各时期耕地、不透水地表、森林、草地、水域和裸地的平均年变化率，揭示了土地利用结构调整的趋势。此外，为了定量反映土地利用转变和城市化进程的空间异质性，本文引入了城市扩张强度指数（UEI），用于空间定量测量。UEI的基本思路是通过测量不同单位在不同时间段内不透水面的变化率，反映城市化扩张的空间差异和强度。通过在相同的关键年份中提取不透水面数据，计算UEI在200米网格中的变化率，以百分比形式表示每单位面积每年的增长。200米网格的选取是在空间分辨率和计算效率之间取得平衡的结果。较小的网格（如100米×100米）会增加数据处理时间和复杂度，而较大的网格（如500米×500米）则可能忽略局部的空间异质性。

温度作为自然风险因素被纳入NSL模型，因为它在材料风化和热膨胀中起着重要作用，可能导致文化遗产结构的加速退化。高温度，特别是在城市化区域，会加剧城市热岛效应（UHI），进一步增加文化遗产遗址的热应力。此外，尽管在开封市较为少见，但冻融循环也可能对材料造成物理损害，特别是在温度波动较大的地区。温度在表3中的权重为0.02，反映了其在整体文化遗产风险模型中的次要但相关的影响，尤其是在城市化导致的热应力背景下。

尽管温度的权重较小，但本文仍保留了这一因素，因为热力通过多种已知的退化路径影响了建筑遗产。首先，热应力或疲劳会改变岩石和砂浆的物理和机械性质，降低结构强度并促进裂缝发展。其次，温度和相对湿度共同控制盐晶化/溶解循环，这是多孔材料的主要退化驱动因素，因此温度的上升会改变平衡湿度，增加石头、砖块和土质建筑的晶化频率和亚地表压力。第三，较高的温度会加速反应动力学和生物殖民，间接加剧污染和腐蚀。在城市背景下，UHI和热浪会升高地表温度，即使在人类压力（UEI、道路、人口）主导的地区，这些机制也会被放大。因此，在这种冲积平原案例中，温度被建模为一个背景放大器，具有非零但次要的权重，以确保对热异常的敏感性，同时不过度强调其相对于直接人类驱动因素的作用。

为了确保所有因素的可比性，所有数据在进行AHP加权叠加之前都进行了最小-最大归一化处理。此外，本文还介绍了景观格局分析的方法，使用Fragstats 4.2软件计算了景观格局指标。通过这些指标，可以进一步揭示景观格局在城市化驱动下的演变，从形态和结构层面提供新的研究思路。本文选择了LPI、DIVISION、LSI、PAFRAC和SHDI作为景观指标，因为它们能够捕捉与文化遗产风险相关的互补维度，并且在城市化研究中广泛应用。LPI衡量了最大斑块的连续性和主导性，反映了核心完整性；DIVISION衡量了景观层面的碎片化程度；LSI衡量了景观斑块边界的形状复杂性，综合反映了人类开发活动对自然或历史形态的干扰；PAFRAC反映了单个或整体斑块形状的分形复杂性，数值越高，形状越不规则，边界越曲折；SHDI反映了土地利用类型的多样性和混合程度。这些指标共同构成了一个紧凑的、多维的系统，涵盖了连续性、碎片化、形状扰动和多样性，从而在减少冗余的同时保留了对文化遗产管理的可解释性。这一选择也基于数据驱动的方法，这些指标对开封市的郊区增长反应敏感，并且符合规划语义（从非常低到非常快速）。

在进行景观格局分析时，本文采用了Fragstats 4.2软件，通过300米×300米的移动窗口计算了局部指标。该窗口大小是在多尺度移动窗口比较（从250米到2000米）后选择的，以平衡局部异质性和解释能力。这一尺度被认为能够最佳地捕捉局部景观异质性，同时保持景观指标的解释力。该窗口大小提供了足够的空间分辨率以检测景观格局的变化，而不会产生过高的计算成本。此外，它还与城市发展的尺度以及本研究中使用的其他数据集的分辨率相匹配。

城市扩张的分析采用了200米的网格，而景观格局指标则使用300米的移动窗口进行计算。这些尺度的选择基于对不同分辨率的多尺度比较，以平衡空间细节和计算效率。200米的网格被证明是最适合捕捉宏观尺度城市增长模式的，而300米的窗口则被选为捕捉局部景观异质性的最佳选择。为了确保最终模型的一致性，所有数据集都通过GISPro中的重分类工具被重新采样到30米的网格分辨率，从而保证所有数据层具有相同的空间分辨率。

基于这些方法，本文构建了NSL风险评估模型，用于分析自然、社会和景观因素对文化遗产风险的影响。该模型结合了AHP层次分析法或熵权法计算权重系数，并通过ArcGIS空间叠加计算综合风险指数，最终生成了各层次的风险地图（见图5），并提出了关键的预防和保护策略。景观指标的权重通过专家的成对比较得出，所有矩阵均满足标准一致性要求（CR < 0.1）。在本研究中，自然风险总结了相对稳定的地形和水文气候暴露情况，包括坡度、海拔、距离水源和温度。社会脆弱性通过城市扩张强度指数（UEI）、距离道路和人口密度来反映人类压力和可达性。景观敏感性则通过最大斑块指数（LPI）、景观碎片化指数（DIVISION）、景观形状指数（LSI）、周长-面积分形维度（PAFRAC）和香农多样性指数（SHDI）来衡量，这些指标反映了景观的完整性、缓冲能力以及人类活动对自然或历史形态的干扰。所有输入数据在进行加权叠加之前均进行了最小-最大归一化处理。

研究结果部分，本文首先分析了1985年至2022年间开封市土地利用结构的变化。结果显示，耕地面积持续减少，而不透水面面积则持续扩大，这一变化趋势在土地利用变化图中清晰可见。这些变化的年均转化率如表4所示，耕地向不透水面的年均转化率在研究期间从0.15%上升至0.45%。这一趋势表明，随着城市化进程的加快，耕地向非农业用地的转化日益加剧。水体面积则呈现出波动但总体上升的趋势，年均增长率为0.85%。森林和草地的面积在不同阶段波动较大，但总体对土地利用结构的影响较小，因为该地区的自然森林和草地覆盖率本身较低。综合动态分析显示，土地利用模式的演变速度加快，从0.27%每年（1985–1995）上升至0.73%每年（2015–2022），反映了土地利用模式演变的加速和结构调整的频率增加。

城市扩张强度（UEI）的变化模式则进一步揭示了城市扩张的时空动态。UEI的计算基于200米的网格，并被分为五个固定等级：非常低（<10%）、低（10–20%）、中等（20–40%）、快速（40–70%）和非常快速（70–100%）。这些等级在所有时期保持一致，以便进行时间比较。通过图像可视化，研究发现城市扩张呈现出核心-外围的梯度模式，核心区域显示出快速至非常快速的扩张水平，而外围区域则以中等至快速的扩张细胞形成一条带状区域（见图5a–e）。低/非常低等级则主导了外围的农业用地。大多数宋代文化遗产遗址位于老城区及其周围，2005–2015年和2015–2022年间，一些遗址周围的相邻网格达到了≥40%的快速扩张水平。从时间角度看，四个阶段清晰可见：1985–1995年，城市扩张集中在核心区域，边缘扩张有限；1995–2005年，城市沿走廊向外扩张，中等/快速扩张细胞数量增加；2005–2015年，形成了连续的快速/非常快速扩张带；2015–2022年，城市边缘扩张持续，同时核心区域出现填充和再开发的迹象（见图5f）。总体来看，从1985年到2022年，研究区域呈现出一种由核心城市区、外围高开发区域和外围低开发区域组成的环形-走廊格局。

景观格局指标的变化进一步揭示了开封市景观格局的演变。基于Fragstats 4.2计算的景观指标，从1985年到2022年，可以总结为四个维度：连续性、碎片化、形状扰动和多样性（见表7）。LPI（最大斑块指数）呈现出单调下降的趋势，从1985年的24.7612%降至2022年的21.6242%，下降了3.1370个百分点，每年下降约0.0848个百分点。这表明最大的连续斑块正在缩小，与DIVISION（景观碎片化指数）和LSI（景观形状指数）的上升趋势相一致，这些指标捕捉了外围马赛克景观中碎片化和边缘复杂性的加剧。DIVISION指数略有上升，从0.423（1985年）增加到0.437（2022年），反映了城市扩张带来的轻微斑块碎片化。LSI指数在1985年从37.50下降至1995年的35.80，随后在2022年上升至42.02，而PAFRAC（周长-面积分形维度）则略有下降，从1.3852降至1.3107。这些趋势表明，整体形状复杂性在增加，而局部斑块边界则略微简化。SHDI（香农多样性指数）则从1985年的0.7027稳步上升至2022年的0.7489，表明土地利用组合更加混合和多样化。

总体而言，这些指标表明，尽管城市核心区域仍比外围区域拥有相对较大的斑块，但LPI的持续下降表明自1985年以来，最大的连续斑块正逐步被侵蚀。这种侵蚀伴随着DIVISION和LSI的上升，表明景观碎片化和边缘扩张的增加，而不是稳定。换句话说，即使斑块大小相对较大，连续性也在减弱，这反映了核心区域的填充、走廊驱动的穿孔以及先前连续马赛克的破裂。这些结果在图6中清晰呈现（A1-A5），展示了NSL风险评估模型中各评估指标的空间分布。

NSL综合风险评估结果显示，2005年至2015年间，西部外围扩张带出现了明显的低至中等风险区域聚集。这与大规模耕地向不透水面的转变有关，这一转变促进了新住宅和商业开发。与此同时，UEI在西南部地区迅速上升，导致景观碎片化的增加。然而，由于文化遗产遗址的偏远和相对分散的社会扰动，风险总体较低。到2022年，风险分布发生了显著变化。西南部的高风险区域部分消失，因为城市扩张趋于饱和。然而，主文化遗产区北部边缘的风险却加剧，因为UEI持续增长，而LSI自2015年以来增加了约9%。这表明微尺度的景观碎片化和新的道路连接超过了宏观层面的城市填充饱和。类似的风险再集中效应在西安和南京等历史城市中也有所报道。

此外，模型还展示了自然风险因素（如坡度、海拔、水文邻近性）在整个研究期间保持相对稳定的背景层，而社会脆弱性子模型（道路密度、人口）则驱动了局部波动。这一现象与理论上的观点相呼应，即历史城市的文化景观风险更敏感于政策驱动的城市转变，而非地形限制，尤其是在如开封这样的平坦冲积平原地区。

这些发现表明，开封市宋代文化遗产的风险分区必须保持动态，优先关注面临道路网络密度增加和土地利用转变的文化遗产遗址。同时，文化遗产保护机构应采用渐进的绿色缓冲区恢复措施，以维持景观连续性（提高LPI，减少DIVISION）。这种动态风险分区的方法能够更有效地识别风险热点，并支持更具针对性的空间管理策略。

在讨论部分，本文指出，研究发现城市扩张热点与文化遗产遗址之间的明显不匹配，这引发了关于文化遗产保护风险性质的重要问题。这种不匹配可以有多种解释：首先，可能是某些城市边缘的高风险区域在历史上缺乏显著的文化遗产或未被充分研究；其次，这些高风险区域的文化遗产可能在早期快速城市扩张过程中被破坏或掩埋，特别是在不透水面迅速扩展的地区；第三，文化遗产可能仍然存在于这些高风险区域，但由于调查的局限性或可见性不足而未被发现。这种不匹配表明，NSL模型识别出的高风险区域可能有助于未来文化遗产保护策略的制定，特别是那些因快速扩张而面临风险的遗址。因此，建议进一步进行空间风险评估，结合高风险区域中潜在但尚未发现的文化遗产遗址的识别，使用更全面和先进的调查方法。

NSL模型的适用性和可转移性也被讨论。该框架具有灵活性，可以适应其他类型的文化遗产和文化景观，如考古遗址、工业遗产或自然保护区。尽管本研究聚焦于开封市的宋代文化遗产，但其方法论可以扩展到任何有文化遗产的已城市化区域，通过调整指标和权重以适应特定背景。未来的研究可以测试该框架在其他地区或文化遗产类型中的可转移性，包括自然遗产遗址或历史城市区域。

然而，NSL模型也存在一些局限性。首先，模型对指标的选择和权重方案较为敏感，特别是在景观指标（如LPI、LSI、DIVISION）和权重方案的确定上。本研究中使用的权重基于专家判断，可能并不适用于所有情况。因此，未来的研究可以测试替代的权重方案，以评估模型的稳健性。其次，时间分辨率（10年间隔）可能无法捕捉更快速的土地利用变化，尤其是在快速发展的区域。此外，数据分辨率（30米网格）可能无法准确反映较小文化遗产区域的微尺度变化。例如，较小文化遗产遗址的边界效应可能在此研究中被低估。最后，文化遗产遗址的位置存在不确定性，因为其分布和可见性可能受到调查限制。模型假设文化遗产遗址完全记录，但这在某些地区可能并不成立。

这些局限性表明，尽管NSL模型有助于识别城市化和文化遗产风险的总体趋势，但在更本地化的评估以及适应其他文化遗产类型或地区方面仍需进一步优化。本文的研究结果不仅揭示了开封市宋代文化遗产面临的动态风险，还为文化遗产保护提供了新的视角和方法论支持，有助于制定更具适应性和针对性的保护政策，以应对城市化带来的挑战。