研究背景与意义

传统聚落的价值

传统聚落特指历史时期形成的历史风貌特征显著且保存较为完整的古村、古镇及古城，集聚了大量的古代建筑和民俗等传统文化资源，以其突出的历史、文化和艺术等价值而备受关注，是优秀文化遗产的重要组成部分。受全球化、城镇化和现代化的冲击，传统聚落面临着系列挑战甚至损毁的风险。

研究意义

针对当前尚缺乏从地理知识提取和表达视角对传统聚落丰富的历史文化信息进行知识抽取、组织和表达，进而实现"数据-信息-知识-智慧"转换这一问题，本文提出传统聚落景观基因本体（GeoOnto-CLGTS），为今后开展传统聚落文化资源的知识发现及促进传统聚落的数字化保护提供有益的借鉴。

研究方法

GeoOnto-CLGTS的基本定义

在信息科学领域，本体是用来描述客观世界存在的事物和对象的概念、类别与关联等本质属性特征的基本工具。地理信息本体是地理空间信息领域的概念化模型或感知世界的形式化规范和说明。景观基因是存在于聚落空间中的文化因子，携带了丰富的历史、文化、宗教、信仰、习俗、居住理念、环境和生态等信息。

GeoOnto-CLGTS是依据地理信息本体的基本原理而构建的用于表征景观基因的基本属性和相关信息以及景观基因相互之间的关联特征的一组概念、实体和关系。

GeoOnto-CLGTS的特征解析

图1 GeoOnto-CLGTS的特征解析

GeoOnto-CLGTS的四个维度

历史信息

景观基因有着自身的起源或形成、发展与演化等历史时期特征，这是由传统聚落是历史上形成并存续至今的文化遗产这一根本特性决定的。

文化含义

景观基因依附于传统聚落而存在，映射了古人科学地处理人与环境之间的矛盾并实现共生共存等丰富人地关系知识。

空间位置

存于聚落空间中的景观基因都具有空间位置特征。有的文化因子具有可量测的绝对位置特征，有的文化因子则具有相对位置特征。

关联关系

景观基因不是单独地、孤立地存在于聚落空间中，而是与聚落中的其他文化因子有着广泛的关联。

GeoOnto-CLGTS的表达方法

参考地理信息本体的五元组描述方法，可以使用概念、关系、数据属性、规则和实例共同构成的五元组定义GeoOnto-CLGTS的形式化表达模型：

GeneOnto = (GeneCo, GeneRe, GenePro, GeneRu, GeneIn)

式中：GeneOnto表示1个GeoOnto-CLGTS；GeneCo表示景观基因概念的集合；GeneRe表示GeoOnto-CLGTS中存在的关系；GenePro为属性，表示景观基因的属性特征；GeneRu表示景观基因的概念及实例的取值约束；GeneIn表示实例，是概念下填充的具体实例。

GeoOnto-CLGTS的图示表达

图2 GeoOnto-CLGTS的图示表达

GeoOnto-CLGTS的构建过程

本文利用Protégé构建GeoOnto-CLGTS模型，再通过Neo4j存储相关数据并进行相应的知识表达分析。GeoOnto-CLGTS的构建主要包括3个阶段：

  1. 对景观基因进行分析，采用人工参与的方式进行概念的梳理、层级的分类，构建概念层级体系
  2. 从传统聚落相关信息中抽取事件、实体和关系等，并通过概念泛化搭建概念关系网络
  3. 针对不同类型的数据，利用构建的实例层对概念层进行补全和更新
GeoOnto-CLGTS模型构建的研究框架

图3 GeoOnto-CLGTS模型构建的研究框架

案例研究

案例选取与研究资料收集

中国幅员辽阔，地理环境多样，历史悠久，各族人民在共同奋斗和融合发展的过程中创造了灿烂辉煌的文明，孕育了数量众多的传统聚落。自2012年至今，中国政府颁布了六批次共计8171个"中国传统村落"。

参照相关传统村落区划的研究方法，本文从现有中国传统村落名录中选取了123个村落作为研究案例，包括北方半湿润半干旱性聚落大区含传统村落26个，西部高原独特型聚落大区含传统村落10个，南方湿润性聚落大区含传统村落84个。

研究案例分布

图4 研究案例分布

数据收集与处理

为构建GeoOnto-CLGTS模型，收集了全部案例的遥感影像、研究区的DEM数据、行政区边界数据，实地调查与走访资料等：

表5 研究资料与数据来源
研究资料 数据来源 说明
村落基本情况 中国村落网、传统村落数字博物馆、《中国古村游》等 了解村落相关信息如建成时间、文化属性概况，并用于景观基因识别
村落的谷歌地图高清航拍影像 谷谷GIS地图下载器(v1.05) 获取年份为2022年，对遥感影像进行矢量化处理，进而分析传统聚落空间形态、街巷格局等特征
村落的12.5m数字高程模型(DEM) ASF（https://search.asf.alaska.edu/#/） 用于地形分析及制图时等高线的制作
村落实际情况调查资料 实地调研、访谈 作为实例数据的验证与补充

景观基因本体模型构建结果

基于前文提出的GeoOnto-CLGTS构建方法，通过本体建模软件protégé构建景观基因的知识组织架构体系，并利用OntoGraf插件对其知识内容和相互关系进行展示。

基于处理后的结构化数据，在概念层的约束下构建传统聚落GeoOnto-CLGTS的实例层，本文最终得到了景观基因领域相关本体类69个，本体间关系70条，以及景观基因实例1383个。

GeoOnto-CLGTS模型可视化

图5 GeoOnto-CLGTS模型可视化

高椅村实例展示

图6 高椅村实例展示

以湖南省会同县高椅村为例，在protégé中进行GeoOnto-CLGTS的可视化展示，展示了与高椅村相关的全部实例，建立起各实体间的联系。

数据的实例化完成后可生成RDF数据，成为传统聚落文化景观基因知识图谱的理论及数据基础，为传统聚落文化景观基因领域本体开放、共享及互操作等应用提供底层逻辑支持。

景观基因本体的知识图谱表达

在本体构建完成后，结合Neo4j图数据库搭建景观基因知识图谱，最终存储1483个节点和3314条关系信息。在Neo4j中，用户可以通过可视化界面更灵活地查询所需信息，对景观基因知识进行发掘，应用于文化资源的呈现。

关系检索

检索传统聚落景观基因图数据库中2个目标实体的关系，如上堡村和山地地形的包含关系。

关联分析

查询岭南广府聚落景观区中的大岭村与钟楼村，展开其相关节点，分析相似特征。

区域对比

查询不同景观区内的传统村落，比较区域间村落的差异与相似特征。

不同景观区传统村落知识图谱

图7 不同景观区传统村落知识图谱

结论与讨论

主要结论

  1. 结合地理信息科学领域本体与传统聚落景观基因特征，提出GeoOnto-CLGTS的概念，并从历史信息、文化含义、空间位置与关联关系4个维度来分析其基本特征，为今后传统聚落知识发现研究提供新思路。
  2. 提出了GeoOnto-CLGTS模型的构建思路，以全国不同文化区的123个传统聚落为案例，通过解析景观基因本体的层次特征、属性特征及关联特征，借助protégé工具搭建了GeoOnto-CLGTS模型并生成RDF数据。
  3. 在图数据库Neo4j对RDF数据进行映射转换与数据存储，构建起传统聚落景观基因的知识图谱，实现了对景观基因信息的查询、推理以及呈现。

讨论与展望

本文尝试将地理信息本体、知识图谱技术与传统聚落文化要素结合研究，学术界相关研究成果还较少，目前尚处于摸索阶段。由于中国传统聚落数量众多、类型多样，通过样本梳理提取的各类实体、关系、属性等难以覆盖和代表中国传统村落的绝大部分特征。

在后续的研究中，应继续修订更科学、更详细的景观基因类层级划分和关联关系定义，并实现数据的发布共享以及开发应用。未来的研究可以增加领域专家的参与，采用科学多样的方法确定传统聚落景观基因本体层级划分、关联关系定义，扩展研究对象的数据，实现数据发布与共享，推动构建的本体和知识图谱服务于应用实践。

* 以上内容由AI自动生成，内容仅供参考。对于因使用本网站以上内容产生的相关后果，本网站不承担任何商业和法律责任。