全 文 ：中国生态农业学报 2009年 1月 第 17卷 第 1期
Chinese Journal of Eco-Agriculture, Jan. 2009, 17(1): 183−188


* 福建省自然科学基金项目(2001F007)资助
** 通讯作者: 洪伟(1947~), 男, 教授, 博士生导师, 主要从事森林生态学研究。E-mail: fjhongwei@126.com
张春英(1979~), 女, 博士, 主要从事景观生态学研究。E-mail: zhangchunying8@126.com
收稿日期: 2008-02-11 接受日期: 2008-05-29
DOI: 10.3724/SP.J.1011.2009.00183
世界双遗产地景区系统空间结构的分形特征研究*
张春英 1 洪 伟 2 吴承祯 2 洪 滔 2 陈 灿 2 李 键 2 王英姿 2
(1. 福建工程学院 福州 350007; 2. 福建农林大学森林生态研究所 福州 350002)
摘 要 利用分形理论中的计盒维数、信息维数和关联维数, 采取变换取样空间的方式研究了武夷山双遗产
地景区系统分形特征的多尺度效应。结果表明: 在 A 取样尺度上, 武夷山双遗产地景区系统 A 的空间结构计
盒维数达到了 1.474, 信息维数为 1.415, 关联维数为 1.048, 3种维数的相关系数 R值分别为 0.994、0.999、0.969;
在 B 取样尺度上, 系统空间 B1~B4 的计盒维数范围为 0.825~1.200, R 值均达 0.961 以上, 信息维数范围为
0.919~1.302, R值均达 0.964以上, 关联维数范围为 0.822~1.364, R值均达 0.941以上; 在 C取样尺度上, 系统
空间 C1~C16(去除空集及景点个数为 1 系统空间, 下同)计盒维数范围为 0.175~0.931, R 值在 0.775 以上, 信息
维数范围为 0.200~1.039, R值在 0.771以上, 关联维数范围为 0.506~1.929, R值在 0.704以上。说明武夷山世界双
遗产地景区系统的空间结构具有明显的分形特征, 其分形维数对取样空间尺度有较强的敏感性。
关键词 武夷山双遗产地 分形特征 计盒维数 信息维数 关联维数 取样尺度
中图分类号: F590; Q149 文献标识码: A 文章编号: 1671-3990(2009)01-0183-06
Fractal features of scenic spatial construction in Wuyishan World
Natural and Culture Heritage
ZHANG Chun-Ying1, HONG Wei2, WU Cheng-Zhen2, HONG Tao2, CHEN Can2, LI Jian2, WANG Ying-Zi2
(1. Fujian University of Technology, Fuzhou 350007, China;
2. Institute of Forest Ecology, Fujian Agriculture and Forestry University, Fuzhou 350002, China)
Abstract By using box dimension, information dimension and correlation dimension, fractal features of Wuyishan Natural and
Culture Heritage were studied at a multi-dynamic scale. At the A sampling scale (with 1.474 box dimension, 1.415 information di-
mension, and 1.048 correlation dimension ), the derived correlation coefficients (R) are 0.994, 0.999 and 0.969. At the B sampling
scale, box dimension ranges from B1 to B4, the correlation coefficient ranges from 0.825 ~ 1.200, R values are all above 0.961. The
range of information dimension is 0.919 ~ 1.302 with R values above 0.964. Correlation dimension range is 0.822 ~ 1.364 with R
values above 0.941. At the C sampling scale, range of box dimension is C1 ~ C16 (excluding plots with spot quantity between 0 ~ 1),
the correlation coefficient is 0.175 ~ 0.931 with R values above 0.775. That of information dimension is 0.200 ~ 1.039 with R values
above 0.771. Correlation dimension range is 0.506 ~ 1.929 with R values above 0.704. It is thus concluded that: the scenery system of
Wuyishan Natural and Culture Heritage has obvious fractal characteristics. Furthermore, the fractal dimensions are sensitive to sam-
pling scale.
Key words Wuyishan Natural and Culture Heritage, Fractal feature, Box dimension, Information dimension, Correlation
dimension, Sampling scale
(Received Feb. 11, 2008; accepted May 29, 2008)
在当今科学界, 分形理论与混沌理论、孤子理
论被公认为三大非线性科学的前沿[1]。1967 年法籍
数学家 Mandelbrot 在《科学》杂志上发表了“英国
的海岸线有多长”, 标志着分形概念的产生[2]。第一
部分形几何学——《分形、形、机遇和维数》把世
界上非线性的、无规律性的现象用不同尺度等级的
184 中国生态农业学报 2009 第 17卷


层层分维刻画出来[3,4]。分形理论是跨越自然科学、
社会科学和思维科学的横断科学[5,6], 其研究方法是
从自然或社会现象本身出发研究其内部规律的理论
方法, 优于传统研究方法对复杂现象进行的简化抽
象, 更接近于现象的本质内涵。大量文献表明分形
理论已经广泛应用于城市结构、土壤结构、植物结
构、水系结构、数学、物理学、化学、生物、医学、
地学、文学和计算机学等研究中[7−20]。
从系统论而言, 旅游景区系统是由旅游景物、
景点、景区各个层次上的自然和人文旅游资源等要
素组成的。旅游景区系统通过旅游流(客流、信息流、
智力流等等)不断地增加旅游景点系统的负熵值, 使
系统在新一阶段保存稳定性, 即景区系统在旅游流
不断破坏旧的稳定状态和重建新的稳定状态过程中
不断演化着。景区系统遵循从无序到有序, 从一种
有序到另一种有序 , 从有序到混沌的进化过程 , 最
终趋向某种神奇吸引子, 奇异吸引子的非整数维和
无穷嵌套的自相似性结构的特性从根本上决定了
分形理论和方法是研究旅游景点系统结构的最佳
选择 [21]。世界双遗产地中的文化遗产——武夷山风
景区是一个复杂的巨系统, 系统中的每个景点并不
是孤立存在的, 而是相互依赖、相互影响的,有关世
界双遗产地武夷山旅游景区系统的空间结构分形研
究未见报道 , 基于此 , 本文对武夷山旅游景区系统
空间结构分形特征进行了系统研究。
1 研究区域概况
武夷山世界双遗产地于 1999 年 12 月列入《世
界文化与自然遗产名录》, 是我国第 4 个获此殊荣
的双遗产地[22]。武夷山世界双遗产地分为西部生物
多样性保护区、中部九曲溪生态保护区、东部自然
与文化景观保护区以及城村闽越王城遗址保护区
等。其中东部自然与文化景观保护区即武夷山风景
名胜区, 凝聚着武夷山双遗地自然和人文景观之精
华。武夷山国家级风景名胜区(以下简称武夷山风景区)
地理坐标为东经 117°35′~118°01′, 北纬 27°35′~
27°43′, 总面积约 70 km2。地质构造为中生代白垩纪,
地质地貌属红色矿砾岩分布区, 为闻名遐迩的丹霞
地貌。风景区海拔 100~700 m, 主景峰海拔 512 m,
最高峰(三仰峰)海拔 717.7 m。气候类型为典型的中
亚热带湿润季风气候, 年平均气温 18.5 ℃, 年均降
水量 2 146 mm左右,年均相对湿度 78%, 多雾, 冬季
温暖,夏季日温偏高[22, 23]。
2 研究方法
分形维数是用来描述客体形状、结构、功能的
复杂程度的概化指标 , 其定义的形式多样 , 有
Hausidorff 维数 Dn、计盒维数 Db、信息维数 Di、
关联维数 Dy、相似维数 Ds、容量维数 Dc、谱维数
Df、填充维数 Dp、分配维数 Dd 等[4]。本文选择最
能体现景区系统空间结构的计盒维数、信息维数及
关联维数进行分析。
对景区分形空间提取过程中 , 利用 Photoshop
图形处理软件和 AutoCAD 工程制图软件将研究区
域修整为面积为 36 km2的正方形。将修整好的武夷
山风景区景观资源图, 数字化输入到Arc GIS 9.0中,
定位好各个景点 , 求算出各点的中心点坐标(x, y)
值。将整个风景区空间系统划分为 A、B、C 3种空
间尺度, 3 种尺度的关系为 C=1/4B, B=1/4A,即系统
空间 A的面积为 36 km2, 系统空间 B1、B2、B3、B4
的面积均为 9 km2, 系统空间 C1~C16 的面积均为
2.25 km2。对 3种尺度的 21个样地空间分别划分小
盒子, 以 4k=(k=0, 1, 2, 3, 4)的系列步长作为盒子边
长的取值。求算出每个系统空间的计盒维数、信息
维数及关联维数值。
特异点的剔除: 为避免不必要的误差将武夷山
风景区中非常边缘的游离于其核心景点之外的各个
景点剔除在研究范围之外。其理由一是这些景点不
仅距离中央景群非常遥远, 且距离中心景点群中距
其最近的景点也非常遥远, 对景区的分形特征而言
其研究的意义不大; 二是武夷山风景区为一个不规
则的多边形 , 分形维数要求自相似性的空间单元 ,
划分格子时取样背景最好为一个正方形; 三是处于
边缘地区的个别景点分布非常离散, 若将这些景点
全部包括进来, 就会将研究区域扩大为风景区本身
面积的 1.5倍左右, 这样必将产生 50%的无意义空集,
对研究结果造成很大的误差干扰。
2.1 计盒维数
计盒维数又称熵维数、度量维数、对数密度等,
计盒维数的测算方法如下: 取一系列边长的小盒子,
把分形空间覆盖起来, 由于分形空间内部有各种层
次漏洞和缝隙,有些小盒子会是空的。计算非空盒子
数 N(ε), 然后在双对数坐标下, 画出 lnN(ε)对 lnε的
曲线 ,其直线部分的斜率就是此分象的计盒维数
Db[11], 其计算公式如下:

0
ln ( )lim
ln
NDb ε
ε
ε→= (1)
式中, ε为盒子边长, N(ε)为对应于格子边长ε的非空
格子数。将格子边长与非空格子数双对数图中的线
性部分进行直线拟合 ,直线斜率的绝对值即为计盒
维数 Db。
第 1期 张春英等: 世界双遗产地景区系统空间结构的分形特征研究 185


2.2 信息维数
由热力学和信息论可知, 信息或负熵是系统不
确定性的量度。由此可见, 信息维数反映出一个系
统的不确定性, 或者是结构复杂性的程度。将划分
好的小盒子编号, 如果知道分形中的点落入第 i 个
盒子的概率是Pi, 则可写出用尺寸为ε的盒子进行划
分所得的信息量。本文在计盒维数非空系统空间中
统计景点数量(Ni), 非空景点中的个体分布概率为
Pi=Ni/N, 信息量为 Ii=Pi/ln Pi [24], 则该格子边长为ε
时的总信息量为 I(ε)= Ii∑ 。将 I(ε)与相应的格子边
长ε的对数值进行直线回归,得到的拟合直线斜率的
绝对值即为信息维数估计。信息维数的计算公式为:

0
( )lim
ln
IDi ε
ε
ε→= (2)
2.3 关联维数
关联维数是最基本的统计量之一 ,关联维数反
映出一个集合中点元素的关联特征[24]。在景点系统
格局中则表现为景点之间相关程度的强弱与景点竞
争以及景点整体对景区空间的占据程度。将 3 个尺
度上的样地内每一景点与所有其他个体间的欧氏距
离一一计算出来, 然后给定一个距离值 Ni, 根据距
离给出一系列的距离值, 计算小于每个距离值的欧
氏距离个数。

0
log ( )lim
log
CDc ε
ε
ε→= (3)
3 结果与分析
3.1 计盒维数分析
分形理论中计盒维数是描述研究对象在所研究
空间中占据多少空间维数, 当研究的对象数量足够
大时 , 将整个研究区域在一定比例下填充满时 , 其
空间占据维数 D应为 2, 2维空间都被占据了未留下
任何的空间间隙维。对于景点分形维数研究, 可以
将景点视为整个风景区各级系统中的一类斑块, 其
余的景观要素均看作为基质, 景点斑块的计盒维数
即反映出景点在景区各级系统中分布程度。景区系
统中的景点具有自反射性特点, 非空的盒子即表示
为景点的衍生系统空间的范围, 空集即表示景点未
分布 , 也预示着景点的潜在衍生能力 , 可见计盒维
数能够精确地刻画景点在整个景区格局中分布与未
分布的状态。对于武夷山风景区而言, 不同的系统
空间尺度下, 计盒维数的值域范围呈现出明显的变
化(表 1)。当景点个数值最大时, 其计盒维数也是最
大值, 达 1.474, 表明整个系统空间中还有 0.526 的
空间间隙维, 这为新的旅游景点衍生提供了充足的
发展空间。系统 A的系统相关系数达到 0.994, 接近
为 1, 表明具有较好的相关水平。
表 1 不同取样尺度上的计盒维数值
Tab. 1 Box dimension at different sampling scales
景点数 Q 计盒维数 Db 相关系数 R 分布概率 P 系统
Plot No. Number of scenic spot Box dimension Correlation coefficient Distribution probability
A 176 1.474 0.994 0.006
B1 17 0.825 0.961 0.039
B2 35 1.000 0.967 0.033
B3 74 1.200 0.985 0.015
B4 50 1.051 0.978 0.022
C2 7 0.601 0.961 0.039
C3 6 0.326 0.891 0.109
C4 3 0.175 0.775 0.225
C6 9 0.351 0.775 0.225
C7 20 0.755 0.918 0.082
C8 6 0.502 0.854 0.146
C9 5 0.300 0.775 0.225
C10 35 0.930 0.958 0.042
C11 12 0.481 0.966 0.034
C13 5 0.253 0.936 0.064
C14 29 0.857 0.977 0.023
C15 37 0.931 0.973 0.027
A: A尺度上取样空间; B1~B4: B尺度上的取样空间; C1~C16: C尺度上的取样空间, 因 C1和 C16为空集, C4和 C12内均只有 1个景点, 故未
计盒维数值, 下同。A: Plots dimension at A scale; B1~B4: Plots dimension at B scale; C1~C16: Plots dimension at C scale. C1, C4, C12 and C16 have no
box dimension value because they have no scenic spot or one scenic spot, the same below.
186 中国生态农业学报 2009 第 17卷


相关系数表明了武夷山风景区具有非常明显的
分形特征。在 B 尺度下 , 分形维数的相关性均在
0.961以上, 且相关性也随着景点个数的增加而略有
增强 , 这也证实了景点越多拟合效果会越好 , 分形
特性越明显。在 C尺度下, 划分出了 16种系统空间,
排除 C1(Q=0)、C16(Q=0)、C5(Q=1)、C12(Q=1), 其余
14 个系统空间计盒维数在 0.175~0.931 之间 , 均小
于 1。C4系统空间中只有 3 个景点 , 属景点个数非
常少的系统空间 , 计盒维数 D 的值也较小 , 景点
个数较多的系统空间其计盒维数较高。还有一种
现象发生 , 就是 C8系统空间内有 6 个景点 , C11系
统空间有 12 个景点 , 而 C11系统空间的计盒维数
却小于 C8系统空间 , 这与景点在系统空间的均匀
程度有关 , C11系统空间中的景点分布较 C8系统空
间更不均匀。景点的数量越多 , 对应的 D 值也越
大 , 这与计盒维数的本质内涵相一致。
3.2 信息维数分析
计盒维数是研究系统空间中景点有无的问题 ,
是分形分析的开始阶段, 对分形规律的认识较为粗
略 , 进一步研究景点信息含量的问题 , 就要进行景
点分形信息维数的分析。信息维数是计盒维数的推
广[25], 信息维数可以细致地描述分形内部不均匀性
盒信息含量的多少。在A尺度上的信息维数为 1.415,
是 3个尺度中的最大值, 相关系数 R值为 0.999, 拟
合效果非常理想, 表明武夷山风景区景点系统的分
布具有分形特征(表 2)。在 B尺度上, 信息维数值都
在 1 左右波动, 表明武夷山风景区景点分形特征有
较强的尺度敏感性, 且较客观地分析出了景点分布
的规律性。相关系数 R值均在 0.964~0.996之间, 说
明信息维数的线性效果非常好, 信息维数的可信度
很高。景点个体在系统空间内的分布概率 P 的值均
远小于 0.05, 说明检验达显著水平。
在 C 尺度下多数取样空间信息维数的相关系数
高于 0.933的水平, 只有 C4、C6、C9为 0.775左右水
平, 这 4个系统空间的景点个数均较少, 而 C11中的
个数为 12时, 信息维数便达到 0.954, 说明C尺度的
样本数在 12以上适宜进行信息维数的分形分析。概
率值 P在景点个数多于 20时, P<0.05。综合以上分
析得出, 在 C尺度景点数量多于 20个时较适宜用信
息维数分析。
3.3 关联维数分析
关联维数反映了景点系统空间分布的均衡性 ,
一般关联维数是分形维数中反映样点之间的相互
关联强度的一种空间维数。一般来说计盒维数高、
信息维数低的种群格局关联维数较高 [25]。除 C4、
C14、C15的关联维数偏低外, 其余系统空间的关联
维数值均在 0.889~1.364 之间(表 3)。C4的计盒维
数和信息维数值均太低 , 故关联维数强度表现的
太弱, C14和 C15计盒维数和信息维数均偏高, 故关
联维数也较弱。计盒维数和信息维数对关联维数有
一种潜在的制约作用。相关系数 R除 C4值为 0.704
外 , 其余相关性均高于 0.901, 空间关联维数均远
小于 2, 表明景点间旅游功能的竞争较弱, 相互间
的联系强度不大 , 风景区系统每个景点的旅游冲
击力较不容易被其他景点所分散和缓解。R尺度拟
合效果较好, 说明直线的斜率 D 一般在 0~2 之间,
当 D→0时, 景点分布高度集中于一处,当 D→2时,
景点分布很均匀, 当 D→1 时, 景点均匀地集中到
表 2 不同取样尺度上的信息维数值
Tab. 2 Information dimension at different sampling scales
系统
Plot No.
景点数 Q
Number of scenic spot
信息维数 Di
Information dimension
相关系数 R
Correlation coefficient
分布概率 P
Distribution probability
A 176 1.415 0.999 0.001
B1 17 0.919 0.964 0.036
B2 35 1.119 0.977 0.023
B3 74 1.302 0.996 0.004
B4 50 1.202 0.986 0.014
C2 7 0.651 0.973 0.027
C3 6 0.371 0.902 0.098
C4 3 0.200 0.775 0.225
C6 9 0.358 0.775 0.225
C7 20 0.786 0.935 0.065
C8 6 0.534 0.868 0.132
C9 5 0.360 0.775 0.225
C10 35 1.039 0.972 0.028
C11 12 0.531 0.954 0.046
C13 5 0.325 0.933 0.067
C14 29 0.964 0.980 0.020
C15 37 1.026 0.984 0.016
第 1期 张春英等: 世界双遗产地景区系统空间结构的分形特征研究 187


一条光滑的曲线上 [11]。本研究中的关联维数都接
近于 1, A、B、C 3 种尺度在研究关联维数时均呈
比较适宜的趋势。关联维数是寻求景区系统中所有
景点间的关联规律性 , 关联维数反映了空间结构
中所有景点系统要素的协调程度、景点空间分布结
构和景点交通的配套程度 [23]。建议根据本文研究
结果 , 进一步深入分析武夷山景点空间分布结构
与景点交通的配套程度。
表 3 不同取样尺度上的关联维数值
Tab.3 Correlation dimension at different sampling scales
系统
Plot No.
景点数 Q
Number of scenic spot
关联维数 Dc
Correlation dimension
相关系数 R
Correlation coefficient
分布概率 P
Distribution probability
A 176 1.048 0.969 < 0.001
B1 17 1.364 0.983 < 0.001
B2 35 1.041 0.956 < 0.001
B3 74 0.933 0.941 < 0.001
B4 50 0.822 0.948 < 0.001
C2 7 1.046 0.981 < 0.001
C3 6 1.929 0.966 < 0.001
C4 3 0.510 0.704 < 0.001
C6 9 1.050 0.957 < 0.001
C7 20 0.949 0.964 < 0.001
C8 6 1.131 0.947 < 0.001
C9 5 0.976 0.931 < 0.001
C10 35 0.902 0.928 < 0.001
C11 12 0.889 0.987 < 0.001
C13 5 1.257 0.960 < 0.001
C14 29 0.602 0.906 < 0.001
C15 37 0.506 0.833 < 0.001

4 小结
学科发展成熟的标志之一就是定量化 , 分形
理论为许多科学研究提供了定量化的有效工具。通
过分析可知武夷山风景区具有较为标准的分形特
征 ,对其进行多尺度取样空间的比较分析 , 表明对
于武夷山风景区而言 , 不同的尺度空间其计盒维
数和信息维数表现出较强的敏感性 , 关联维数呈
现出相应的变化。景点数目的多少对于 3种维数的
影响较大, 景点个数足够大时, 分形特征表现的越
明显。同时景点在系统空间中的均有程度和填充程
度也对结果有相应的影响。3种分形维数和面积的
关系不是很直接 , 但并不是说分形维数值与面积
大小毫无关系。
对于表征景点空间分布的计盒维数而言, 可以
采取 A、B两个尺度进行研究。在景点数目较少, 分
布较不均匀时, 建议采取 A 尺度研究; 对于景点数
目足够多, 分布较均匀时, 建议采用 B尺度。对于 C
尺度, 计盒维数偏小, 属于不适用的范围。对于表征
信息量多少的信息维数而言表现出与计盒维数相似
的规律。景点数目的增减与对尺度空间的大小敏感
性呈正相关。A、B、C 3种空间尺度相对于同一个
研究对象 , 系统空间的点数变化也比较大 , 随着系
统空间的数量增加 , 空间幅度变小 , 系统空间的空
集数目也有所增加。景区空集的数目为未来的景观
营造提供了有利条件。从空集的哲学意义上讲, 空
集预示着新的非空, 为新生力量的出现创造了良好
条件。建议对空集地区的非物质文化遗产进行挖掘,
开发出新的文化与自然遗产的新景群, 鉴于现有景
点的空间关联性比较小的情况, 新的规划景群要注
重斑块—廊道—网络的协调关系, 增强景点间空间结
构相关性。
武夷山风景区关联维数在 A、B、C尺度上均达
到了较好的拟合, 说明风景区中景点的竞争不激烈,
景点间空间相互关联不紧密。“三三秀水 , 六六奇
峰”的武夷山水格局对景点相互交流造成了相对的
阻隔 , 建议未来的景点规划 , 可有针对性地建立连
接各景点的各种类型景观廊道(例如: 水系廊道, 交
通路网等), 景观廊道不仅可以其离散的景点连接起
来 , 使各种生态流在景区系统中交流顺畅 , 也有助
于缓解游客密集景点的旅游压力和瞬时冲力。
武夷山风景区为一个复杂的旅游巨系统, 其系
统的空间结构是分形, 具有景点系统空间结构的自
组织优化的趋势。景区系统经历了从无到有, 从简
单到复杂的发展过程, 自组织性表明其存在着一些
既非确定又非纯随机的关系, 景区具有竞争性、协
调性、渐变性、自相似性、混沌性和有序性等[26]。
景区系统的分形特征是由自然地形、地质、地貌作
为主要驱动因素的, 在自然界景观的俊美和人群的
188 中国生态农业学报 2009 第 17卷


可达性的双重制约因素下, 古人将文化知识和文学
艺术用各种建筑符号记录下来, 所以景点的分布具
有明显的集群性。在景区系统发育的过程中, 自然
界有一种无形的力量驱动其演化过程, 这并不说明
景区系统毫无人为驱动力, 自然的驱动力常常是通
过人为的力量而得以实现的。景区近年来人为干扰
性也日益严重, 何东进[22]曾利用分室模型和人工神
经元网络模拟了人工干扰的过程, 表明人文干扰是
不可忽视的。景区内有武夷镇、星村镇和兴田镇, 共
有 26个自然村庄, 景区内的总人口达到 9 336人[23]。
自景区确定为世界遗产以来, 慕名而来的国内外游
人逐年递增, 2001年后均高于 70万人, 2003年非典
时期略低于此值, 旅游客流对景区的演化起越来越
重要的作用。
在武夷宫景群演化过程中, 朱熹创建朱子理学
的人为过程与武夷山水的钟灵毓秀完美的结合, 形
成了理学与文化建筑交相辉映, 共放异彩。武夷宫
核心景区的空间结构具有明显的自仿射性的特点 ,
这与文化背景有关, 朱熹先生在此授业、释惑、讲
道 , 追随者云集于此 , 必将解决衣食住行的基本需
求, 便于此修建书屋、庙宇、庵堂、道观、寺院、
禅院、亭榭楼阁等建筑, 为世人留下了宝贵的文化
遗产。建立风景区以来, 在原有名胜古迹的基础上,
在景区范围内还陆续兴建了仿宋一条街、朱熹纪念
馆、武夷山庄、幔亭山房、彭祖山房及万春园、兰
亭学院分院、书画社、武夷牌坊等综合设施。旅游
开发部门也重视珍贵旅游资源的开发, 因此区为游
客集中辐辏之处, 建立了朱子文化旅游专线、武夷
山岩茶旅游专线、古越文化旅游专线等线路,并于相
应的地点建立了新的旅游资源[23]。这些举措都将为
风景区系统带来很大的负熵值, 在未来的景区规划
中要充分考虑到这一点。
武夷山与泰山、黄山、庐山、峨眉山(乐山大佛)
并驾跻身于世界文化与自然遗产的行列 ,在中华名
山中的重要地位是举世公认的。本文分析武夷山双
遗产地景区系统空间结构的分形计盒维数、信息维
数和关联维数, 旨在从内在机理上剖析风景区系统
空间结构规律, 从而为武夷山风景区的未来景观资
源保护与管理、景观资源评价和新景观的规划提供
理论参考。
参考文献
[1] 张越川 , 张国祺 . 分形理论的科学和哲学底蕴[J]. 社会科
学研究, 2005 (5): 81−86
[2] Mandelbrot B. B. Fractal: Form, Chance and Dimension[M].
Sen Francisco: Freeman, 1977: 26−32
[3] 孙志高, 刘景双, 孙广友, 等. 分形理论在湿地科学中的应
用现状与前景展望[J]. 地理与地理信息科学 , 2005, 21(4):
99−104
[4] Mandelbrot B. B. How long is the coast of Britain? Statistical
self-similarity and fractional dimension [J]. Science, 1967,
150 (3775): 636−638
[5] 王丽萍 . 分形理论在土地科学研究中的应用[J]. 连云港师
范高等专科学校学报, 2005, 12(4): 81−84
[6] 吴承祯 , 洪伟 . 不同经营模式土壤团粒结构的分形特征研
究[J]. 土壤学报, 1999, 36(2): 162−167
[7] 朱子强 . 分形及其应用 [J]. 鹭江大学学报 , 1996, 96(3):
52−58
[8] 何东进, 洪伟, 胡海清, 等. 武夷山风景区森林景观土壤物
理性质异质性及其分形特征 [J]. 林业科学 , 2005, 41(5):
175−179
[9] 封磊 , 洪伟 , 吴承祯 , 等 . 杉木−观光木混交林不同经营模
式土壤团粒结构分形特征 [J]. 山地学报 , 2004, 22(3):
315−320
[10] 洪伟 , 吴承祯 . 杉木种源高径生长的空间变异及其分形特
征[J]. 福建林学院学报, 2001, 21(2): 97−100
[11] 宋萍 , 洪伟 , 吴承祯 , 等 . 天然黄山松种群空间格局的分
形特征——关联维数 [J]. 武汉植物学研究 , 2005, 23(1):
32−36
[12] 何隆华, 赵宏. 水系的分形维数及含义[J]. 地理科学, 1996,
16(2): 124−128
[13] 洪时中, 洪时明. 地学领域中的分维研究: 水系、地震及其
他[J]. 大自然探索, 1988, 24(2): 33−40
[14] 李后强 , 艾南山 . 分形地貌学及地貌发育的分形模型 [J].
自然杂志, 1991, 5(7): 516−519
[15] Hack J. T. Studies of longitudinal stream profiles in Virginia
and Maryland[J]. United States Geological Survey Profes-
sional Paper, 1957, 294(B): 45−94
[16] Rotert A., Roy A. G. On the fractal interpretation of the main-
stream length drainage area relationship [J]. Water Resources
Research, 1990, 26: 839−842
[17] Feder J. Fractals[M]. New York: Plenum Press, 1988: 23−27
[18] Rosso B., Bacchi B., Barbera P. Fractal relation of mainstream
length to catchment area in river networks [J]. Water Re-
sources Research, 1991, 27(3): 381−387
[19] 朱永清, 李占斌, 鲁克新, 等. 地貌形态特征分形信息维数
与象元尺度关系研究[J]. 水利学报, 2005, 36(3): 333−338
[20] 金学宁 . 分形理论中的“空集”与老子思想的比较[J]. 扬州
职业大学学报, 2005, 9(4): 10−13
[21] 戴学军 , 丁登山 . 旅游景区(点)系统空间结构关联维数分
形研究——以南京市景区(点)系统为例[J]. 资源科学, 2006,
28(1): 180−185
[22] 何东进. 武夷山风景名胜区的景观格局动态及其环境分析
[D]. 哈尔滨: 东北林业大学, 2004
[23] 张春英, 洪伟, 吴承祯, 等. 武夷山风景名胜区主要景点空
间分布特征规律及应用研究 [J]. 福建林学院学报 , 2007,
27(1): 20−24
[24] 倪红伟 , 郭亚胜 , 吴海一 . 小叶章种群分布格局的分形特
征——Ⅱ . 信息维数与关联维数[J]. 木本植物研究 , 2000,
20(3): 351−354
[25] 梁士楚 . 云贵鹅耳枥种群分布格局的分形特征[J]. 武汉植
物学研究, 2001, 19(4): 263−268
[26] 郑宜珍. 自组织与自组织城市[D]. 武汉: 武汉大学, 2004