历史地理信息化与图情研究融合的必要性与可行性——以“数字历史黄河”为中心的考察

江西地名研究

关注我们，获取更多地名资讯

摘要：［目的／意义］历史地理信息化的深入发展遭遇瓶颈，需探索突破方法，而图情学科知识体系在提供数字学术支撑环境方面具有独特优势，能够助力历史地理信息化深入发展。本文即探讨历史地理信息化与图情研究融合的意义与路径。［研究设计／方法］在文献调研、专家交流与工作实践的基础上，揭示了历史地理信息化存在的三个困境，提出解决以上问题需引进图书情报学的知识体系和技术方法，尤其是加强历史文献管理方案、历史文献文本结构分析和历史地理数据标准三方面的建设，最后以“数字历史黄河”为例介绍了融合的若干节点。［结论／发现］历史地理信息化目前的困境已经严重影响到学科发展，历史地理信息化与图情的深度融合对推动历史地理学适应大数据时代具有必要性和可行性。［创新／价值］提出了图情研究与历史地理信息化融合的重要意义，并在“数字历史黄河”工作中首次指出了融合的可行性路径，这一融合已经发挥了消灭“数据孤岛”、建立数据关联的重要作用。

关键词：历史地理信息化；图情研究；数字人文；语义互操作

1

引言

近年来，随着历史地理信息化和数字人文的不断发展，新问题、新史料、新方法对既有研究范式的影响力度不断增大，作为历史地理学新兴分支的历史地理信息化已经初步具备了自身的理论体系和基本工作路径。面对技术手段的日益丰富，一些学者对历史地理信息化的发展方向产生了迷茫、疑惑等情绪，出现了少数观点相对极端的学术见解，这缘于对历史地理信息化（Historical Geography Information，HGI）、数字人文（Digital Huamnities，DH）、人工智能（Artificial Intelligence，AI）、大数据（Big Data）等技术和理念存在误解和曲解，而根本问题在于忽略了技术“来源于人、服务于人”的常 理，人为设置了“技术”对立于“人性”这一前提。

新问题、新史料和新方法本身是有机整体，如果要真正评价量子计算机、人工智能、大数据等技术手段的意义，最好的做法是将这些技术手段与具体问题相联系，在历史地理学领域主要体现在历史地理信息系统和历史地理信息化两个方面。历史地理信息系统与历史地理信息化既有联系又有区别，历史地理信息系统不必非要依托历史地理学开展，只要满足时空二维结构与明确的专题属性即可；而历史地理信息化则必须以历史地理学的研究范式为基础，同时，历史地理信息化又会影响历史地理学的研究方法论和成果表现。

目前，学界已有多篇成果介绍信息化手段对历史学的价值，但信息化手段仍未得到学界的广泛认可。历史地理信息化的发展仍“路漫漫其修远兮”，本文基于笔者及诸位同仁在历史地理信息化领域的一些工作体会，试图澄清学界对历史地理信息化的一些误解，探索历史地理信息化在数字人文背景下发展的可能路径。近年来历史地理学界强调与地理信息科学领域、地 理 信 息 系 统 （Geography Information System，GIS）业界加强交流与合作，希望历史地理信息化能够跟上地理学的脚步。同时，自2026年DH进入史学领域后，历史地理学界反思历史地理信息化的呼声就开始出现，比如陈刚和潘威等都明确提出HGI工作者应主动了解、积极参与到DH研究和应用之中。而本文之目的则是进一步推进HGI与DH的深度融合，并明确提出HGI与图情融合的必要性和可能路径。

2

历史地理信息化的当前困境

以GIS为骨干的HGI固然在展示、分析时空结构方面表现了巨大的优势，但其不足之处也应受到正视，主要包括存在与历史文献本身有疏远的倾向和存在严重的数据孤岛现象。这两个问题很大程度上源于历史地理学界目前普遍使用的工作方法，也造成了当前历史地理信息化的困境，具体如下。

2.1 弱化了史料的基础地位

研究中提出HGI工作一定要紧密结合史料，但就目前情况而言，HGI工作中仍然不注意确立史料基础性的地位。具体表现在：①不注意建立个人的或团队的史料管理系统，仅仅对史料中的相关信息进行管理；②过度依赖数字型史料，即主要偏向具有数目记录的史料，而这一类型的史料仅占已知史料的很少部分，且分布时间段集中在明代以降，导致HGI工作展现的时段和所能解决的问题受到很大限制；③史料文本分析能力低下，随着近年来研究领域的史料边界不断扩大，史料的规模、类型和种类较2000年左右有了明显的增长，特别是清代民国档案类史料、民间史料、图形类史料和口述材料等，完全依靠人力阅读效率低、费时长，且易出现错漏、误读等问题。解决上述问题需要建立适应于个人或团队的系统性史料管理方案和计算机辅助下的史料文本分析方法，尤其是人一机协同读史料工具，可以让研究者快速、准确地了解史料的主要指向，进而有针对性地制订工作计划和实施步骤。

2.2 基础数据制作中标准规范应用不足

基础数据制作中标准规范应用不足，导致难以在数据之间建立联系，产生"数据孤岛"现象。数据孤岛分为物理性和逻辑性两种，物理性的数据孤岛指数据在不同部门间相互独立存储、独立维护，格式各异，彼此间相互孤立，形成了物理上的孤岛；逻辑性的数据孤岛指不同部门基于特别的目的对数据进行理解和定义，使得一些相同的数据被赋予了不同的含义，这无形中加大了跨学科、跨团队的数据合作成本。物理性和逻辑性的数据孤岛现象在历史地理学界普遍存在，导致HGI数据在规模上处于无效增大状态，也加剧了学科各分支之间的隔阂，影响到历史地理学在研究深度和广度的发展，最终限制了历史地理学的问题体系跟上时代步伐。数据驱动型研究最根本的诉求是打破甚至消灭"数据孤岛"现象，在历史地理信息化中必须落实"数据驱动型研究"理念，而由于缺乏一致的语义与编码规范、存储与交换标准导致的数据孤岛是最主要的障碍之一。

2.3数据互操作机制和技术应用不足

互操作可以实现异构资源整合。传统上互操作指“不同平台或编程语言之间交换和共享数据的能力”，为了达到该目的，需要包括硬件、网络、操作系统、数据库系统、应用软件、数据格式、数据语义等不同层次的互操作。其中，万维网联盟（World Wide Web Consortium,W3C）倡导的“语义互操作”制订了多种句法标准和叙词表编制国际标准，是实现异构历史地理学信息整合的重要手段。国内 GIS 领域在2002年开始引入“语义互操作”，但历史地理学界至今未重视“互操作”建设，HGI 领域内普遍缺乏不同平台之间交换和共享数据的机制和技术，存在着比较严重的“数据隔离”情况。这一方面由于共享数据的理念尚未深入人心，另一方面数据互操作技术的掌握和应用是主要的技术障碍。以目前历史地理学界内最具代表性的成果——中国历史地理信息系统（China Historical Geographic Information System，CHGIS）%例，该平台提供了目前国内外最完整的一套中国历史政区数据，但CHGIS的数据由于缺乏互操作技术的应用，目前仍然是一个“数据孤岛”，其他用户必须适应其数据格式方能实现政区数据与自有专题数据的融合，而许多专题数据无法与CHGIS的地名数据体系对接。为解决这一不足，近年来，CHGIS项目组和哈佛大学合作开展了关联开放数据工作，提供了将历史地名信息与其他地名词表实现融合的技术路径，此项应用即是应用语义网的数据互操作技术实现异构数据资源整合的案例（参见：http://maps.cga.harvard. edu/tgaz/)。

3

困境的可能解决路径

当前，HGI工作者面临着日益繁重的资料、数据和复杂的信息管理环境，需要探索出一条能够适应新环境的方法。在现有的学科体系中，图情领域的做法提供了一定的参考和借鉴，例如夏翠娟提出了较为完善的历史地名开放数据应用方案。将图情方面的相关技术、理念移植到历史地理学，发挥图情学科在信息管理与分析方面的独特优势，可以帮助HGI突破目前的发展瓶颈，面向具体问题的解决路径示例如下。

3.1 成熟的历史文献管理方案

历史学者高度依赖史料，但对于史料的管理，特别是对大规模史料的有效管理缺乏思考和实践。图情学界自上世纪80年代开始将个人计算机用于文献信息管理，进入网络时代以来，该领域亦迅速将互联网技术应用于图书信息管理，对包括历史文献在内的图书信息管理已经构建了非常成熟的软件、方案和路径，尤其是图书馆业界已经形成了具有规范结构的元数据以进行资源管理。例如：“资源描述结构”（Resource Description Framework，RDF）是W3C提出的用于描述知识图谱实体及其关系的数据模型，2009年，“资源描述与检索”方案（Resource Description and Access，RDA）依托该模型编制完成，次年网络工具包发布，2013年开始在全球主要国家的国家图书馆中使用。这一技术标准体系在国外历史地理学界已有广泛应用，但尚未受到国内历史地理学界的重视。

目前，历史地理研究中，研究者和研究团队都未充分意识到个性化的历史文献管理方案的重要性，也未开发资源描述工具。近10年来，历史文献的形式已经由纸本文书转为电子文本；同时，研究团队中跨校、跨国、跨专业合作的现象日益明显，团队的公共资料管理平台不仅是凝聚成员的有效途径，更是开展工作的基础性设施，历史地理学界必须在团队层面建设自己的历史文献管理方案，包括个性史料的电子化、局域网的信息管理系统建设以及管理规则的制定等，而其基础是具有资源描述框架，这样才能真正实现有效的资料积存和管理，提升团队工作的持续性和管理大规模史料的能力。

3.2 历史文献文本结构分析方案

进入网络时代后，图情领域文献电子化和文本化的处理技术非常成熟，并依托互联网向结构化和语义化迈进。信息化技术的发展深刻改变了文本的处理方式，也改变了包括历史学在内的许多人文社会学科的研究方式。在历史地理研究中，近20年来的信息化主流是GIS技术的应用，但在强化时空过程可视化的同时，却忽视了史料结构分析的信息化手段，导致历史地理信息化在史料处理环节缺乏必要的技术手段，与历史文献（特别是大规模历史文献）日益脱节。

文本结构分析技术的重要基础之一是采用TOM、Voyant等软件对史料文本进行“机读”，其中“主题模型”是比较主流的方法。“主题模型”本质是一种文本聚类方法，通过“词群”（bag of words）来描述文本特征，单个词群组可以被设想为1个主题。主题模型中的LDA算法通过“隐含狄利克雷分布”算法（Latent Dirichlet Allocation，LDA）确定主题数目（topic-K)，依据“词为中心的稳定性分析”（Term-centric Stability Analysis）策略确定文献主题数量。TOM工具提供了文本聚类的实践环境，由使用者自主设置主题数目后经过多次迭代，可自动拟合出设定数量的主题，每个主题包含若干组词群。

3.3 数据标准规范建设方案

要构建系统性的历史地理信息化研究，统一数据标准才能形成规范化的工作流程和术语体系。历史地理信息化建设中，数据标准化问题被多次提及，例如胡迪、陈刚、潘威等强调建立统一数据标准的重要性。但对于如何达成这一目标的讨论则不多。借鉴和引进其他学科较为成熟的方法并在实践中不断调整，最终达成统一数据标准的目的，也许是行之有效的路径。图情学界在标准元数据处理方面已经具备了非常成熟的技术体系，对于HGI构建坚实的数据标准方案具有很强的借鉴意义。例如，夏翠娟提出的“本体（Ontology）时空模型”具有历史地理数据的开放性、可扩展性，具备形成数据标准的良好基础，可尝试将该模型引入历史地理信息化工作。

4

融合路径探索

上文已经在学理上揭示了图情领域对历史地理信息化发展的重要价值，下一步需要通过具体研究工作落实这一理念。“数字历史河流”（Digital Historical River，DHR）是“历史时期地表水文过程及人文因素影响机制模拟方法"”的简称。河流，是自然环境与人类社会交汇的界面，水利体系中的河流与人的关系更为全面、复杂且多变，对人—水关系的研究需要历史学、历史自然地理、水利史、测绘学、水文学等多方面的知识，而信息化手段也是必不可少的技术和工具。在该项目中本团队探索了图情学科与历史地理信息化融合的路径。

4.1 数字历史河流"理念

DHR项目旨在借由不同地区的案例从不同角度去理解现代水利体系的形成过程，探讨国家力量、气候因素借由水利途径作用到人类社会的机制。包含六方面的工作：①历史上的三维微地貌重建；②历史水利工程与地形模型的融合方案；③河道三维形态的复原；④地表水历史时期的运动过程模拟与展示；⑤历史时期的降雨特征重建；⑥历史时期河流—水利管理方式。

4.2 数字历史河流"中的融合方案示例

4.2.1 渠道结构的社会网络分析

社会网络分析（Social Network Analysis）是基于信息学、数学、社会学、管理学、心理学等多学科的理论和方法，为理解人类各种社交关系的形成、行为特点以及信息传播的规律提供一种可计算的分析方法。“网络”现象大量存在于历史地理学研究中，例如道路网、机构组织、天然或人工水系等。在GIS软件环境下，研究者可以重建此类地理实体或现象的空间数据，但重建结果往往结构庞杂，需对结果进行进一步概括，才能揭示出其空间结构的变化。在这一工作中，社交网络成为概括渠系空间现象的理想手段，将此类现象抽象为“点轴”结构，帮助研究者观察这一复杂体系的基本结构。

例如，清代以来新疆渠系的空间关系产生了很大变化，一方面表现了当地农业开发中水资源使用方式的变化，另一方面也体现了不同地区、不同人群的生产生活关系。图1为新疆渭干河流域 1900 年代的渠系结构，在社交网络技术支持下，概括区域渠系结构就较为便捷，使得研究者能够从庞杂的数据中迅速把握研究对象的变化骨干。

4.2.2 清代河工档案文本结构分析

主题，是介于文本与段落之间的一个语言单位，一个主题表达或阐述一个相对独立的意义或话题，形式上由文章的若干相邻自然段组成，各个主题构成整体性文本。文本结构分析的内容包括：文本的主题数、各段落所属主题及与全文主题的相关程度、主题与段落间的相关程度等。主题划分及各段落主题间的联系是文本分析的主要构成。史料文本结构分析即是将这一技术方法用来对各类史料文本进行一定程度的“机读”，使研究者能够在较短时间内掌握史料的大致内容，进而有针对性地制订研究计划。

在历史地理研究实际中，明清民国档案类史料和多种民间文献日益成为骨干史料，此类史料规模大、内容杂、形式多样，中小型研究团队在阅读、整理此类史料时，往往面临人手不足的窘境，史料阅读效率偏低。在文本结构分析方法的协助下，“机读”可以迅速呈现史料文本的主题特征，有助于缩短史料阅读的时间。

以清代黄河河工档案的处理为例，河工档案规模巨大，依靠传统方法进行阅读耗时过长，文本结构分析方法可以辅助研究者迅速抓住历史文献的记录总体特征。具体过程是：将黄河水利委员会所藏《河道钱粮》类档案进行手工录入，得到近100万字的河工银资料长编；将这些文本输入VOYANT软件，以"银两"为中心词，分析其与其他文本中高频词（重现次数超过30次的词汇）的位置关系。如图2所示，这一分析结果虽然不能完全揭示白银在河务中的中心地位，但至少能够反映出奏折文本中，银两与其他事务之间日益紧密的联系。根据图2所示，相较于康熙时期，道光时期的河务档案中"银两"一词明显与其他河务事项结合更为频繁和紧密，显示出白银在康熙至道光时期的河务运作中的核心地位日益凸显。

4.2.3 古旧河工图地名信息自动化提取

深度学习（Deep Learning）在古旧地图地名信息提取工作中的应用已经有不少成功案例。我们训练计算机习得针对不同大小汉字的检测模型—U-Net 算法进行字符级文本检测，因此文本识别模型也采用了字符级的识别模型。在文本识别领域，主流的光学字符识别系统（Optical Character Recognition，OCR）采用的是行（列）级别的识别模型，主要采用 CTC（Connectionist Temporal Classification）算法搭配卷积神经网络（Convolutional Neural Network，CNN）叠加循环神经网络（Recurrent Neural Network，RNN）对图片中包含的文本序列进行建模，一般而言文档中的行和列相较于单个字符更为容易检测。然而，古旧地图中的地名文本排列往往不如普通文献中的那样规则，而且部分地名的字符间距较大，所以行列级别的识别在地图文本识别中可能并不如在一般文献识别中那么有效，因此我们使用卷积神经网络进行字符级别的检测和识别。

以清代道光时期的《六省黄河埽坝全图》为例展示U-Net算法在河工图处理中的应用。《六省黄河埽坝全图》所标注的文本绝大多数都是地名，包括村落名称和基层河防机构名称（如图3)。处理过程是：根据每个字符的定界框（Bounding Box）将检测到的字符按尺寸进行分层；将检测到的文本合并成候选地名，将排名最靠前的地名列表在原始地图上进行可视化展示；解析文本中包含的地名（Geo-parsing)，即使用自然语言处理（Natural Language Processing，NLP）技术从无结构文本中识别地名。

5

历史地理信息化与图情研究融合路径指导下的实践——“数字历史黄河”

前文介绍了三种可以在历史地理信息化中发挥融合作用的技术手段，展示了如何在具体问题研究中引入图情知识体系和DH方法，提供了局部融合的可能性；而体系化的 HGI 工作需要融合路径指导下的体系性成果范式，本文以"数字历史黄河"项目为例，试验体系化HGI与图情研究融合路径的可行性，并展示体系化的HGI工作实践。

5.1 基本情况

黄河自历史时期以来就不是一条纯粹的自然河流，自然环境与人文环境都会对黄河产生影响。“数字历史黄河”、（Digital Historical Yellow River，DHYR）作为"数字历史河流"理念的实践，是河南大学经济学院和南大学历史地理研究所共同建设的专题信息平台。平台包括专业历史资料管理系统、专题数据集并具有一系列历史信息分析和展示功能。

相较于目前已有的历史地理信息化产品，本平台具有以下特点：①具有自带的电子资料库系统，将历史文献的搜集、管理与分析嵌入到整个DHYR体系中，并成为各模块的基础；②将GIS与DH进行深度融合，强调时空过程与专题属性的平衡性；③实现河流自然层面与人文层面信息的融合，为多种学科领域的学者提供服务；④采用模块化建设理念，资料库、数据集以及分析功能模块可拆分使用，满足学者的个性化需求

5.2 相关实践与成果展示

5.2.1 资料库

有关黄河的历史文献数量庞大、种类多样，其中比较重要的文献包括以下种类：①七部正史河渠志；②正史中的黄河水灾记录；③治河类书；④清代河务档案；⑤民国河务档案等。“资料库”针对管理以上五大类史料的管理而设置，是DHYR的基础，具有查询、下载、在线浏览、标注和资料关联等功能（如图4)。

结合史料情况和本系统的基本情况，在资料管理平台中，本团队采取“突出特色、便利研究”的策略，现阶段重点建设5类史料，即①清代河工档案；②民国档案，包括黄河流域近代的水土保持、农业、科考调查等；③治河类书；④西文史料；⑤河工图。这批史料是近年来学界深耕的资料体系，相较于之前水利史、灾害史和历史地理学的研究材料，此类史料具有更加翔实、细节更为突出、涉及面更为广泛等诸多优势。基于这些研究材料和数据，学者不仅能够探索治河技术、黄河灾害等传统研究问题，更能将观察视角扩展到河务用银、修河用夫、治河机构网络等以往研究着力不够的领域。

5.2.2 专题数据库

黄河是自然与人文相结合的一个界面，要充分展示、深入研究历史时期以来黄河的“人—水关系”“河—地关系”就必须基于环境与人文的数据。由于有关黄河的历史文献记录规模庞大，此处以清代河务运作为例介绍DHYR的数据库设计思想。

采用Voyant对42136份清代河务档案进行“机读”，结果发现约85％清代河务档案内容涉及工程修建、水文过程、人员管理、经费和劳动力管理中的至少一项。由此，我们顺应史料记录的特点制订专题数据库框架，包括：①时空专题数据库，记录清代河厅—汛—堡—报汛点—河营等机构和组织的沿革、水患事件的时空过程等信息；②水文专题数据库，包括报汛点名称、涨水时间、涨水尺寸等信息；③工程专题数据库，包括工程名称、类型、功用、建造／废弃时间、用夫用银规模等；④管理专题数据库，包括河务官员的姓名、职称、晋升路径等（如图5)。正是在"机读"工具的辅助下，团队得以快速地把握大量文献的指向，进而建设专题数据集。

目前已经完成了4个主要的数据库：①清代水位数据库，主要信息包括站点名称、涨水日期（年／月／日）、涨水高度；②黄河流域主要河防工程数据集，包括工程类型、主持人、工程修建目的、建设时间（年／月／日）、管理机构、建设成本等信息；③河务官僚数据库，基于《缙绅录》和《清实录》整理出的各级河务官员，包括姓名、籍贯、出身、任职、所属机构等信息；④民国时期黄河上中游水利工程数据集，包括工程名称、工程类型、建设时间（年／月／日）、管理机构、建设目的、建设成本等信息。

5.3 图情知识体系对DHYR的重要性

图情领域在信息管理方面的丰富经验和多样化手段能够支持DHYR今后的发展，这也是学者应积极尝试图情与HGI深度融合的主要动力。笔者认为，图情领域可以在以下方面发挥重要作用。

（1）营造更好的平台使用体验：图情领域的数字人文技术能够观察各类文献中的记录特点，辅助研究者快速在大量史料中摸索出记载主线◇进而挖掘出史料中潜在的信息。在本系统中，团队尝试融合了文本结构分析、社交网络分析等方法，为使用者提供一个便于使用数字人文方法的工作环境。

（2）解决资料库的“孤岛”现象：2016年，DHYR资料库在最初被提出时仅仅作为开发团队管理自身史料体系的一种工具，并没有充分意识到该资料库的传播价值，因而仅规定了一套文献命名方案。随着DHYR工作的深入开展，资料库收录的史料种类和规模显著增加，同时，研究员对资料库的理解也发生了重大改变。自2021年1月开始，团队开始使用RDA描述资料库中的所有记录，RDA不仅提升了系统文献检索效率，而且更重要的是，元数据编码的改变将DHYR资料库接入网络数据环境中，使得其从一个封闭的"数据孤岛"变为规范的图情知识体系的一部分。

（3）建立各专题数据库的有机联系：2016年至今，各专题数据库依靠“Palace”字段（管理地名的字段）建立链接，这一做法从实际效果来看已经越发不适应日益扩张的平台数据种类和维度。“Palace”字段只能表示一种空间格局，在"叙事"方面具有很大局限性。比如图5展示的基层河务官员晋升路径，我们能发现官员的晋升空间轨迹和职务轨迹，但无法从中揭示官员晋升与其他要素（比如工程修建、水患）之间的联系。若将目前的数据可视化转向支持“历史叙事”，就必须学习图情领域的多维信息管理方案，在技术上实现不同专题数据库之间信息的有效筛选、检索和呈现，以揭示人—水关系的多重面相。为实现这一目的，图情管理中的RDF方案应该被引入DHYR的专题信息管理实践中。目前，团队正在积极探索RDF与传统专题数据表的结合方式，计划编订一套针对清代民国黄河河工图的RDF 编目方案，以此作为试验RDF与专题数据表结合的第一步。

6

结论

当前，历史地理信息化（HGI）存在着弱化史料地位、数据标准杂乱、缺乏数据互操作等不足，严重制约了HGI的进一步发展。图情领域的信息管理方法以及近年来重点建设的"数字人文"范式，成为HGI解决以上问题的重要途径。

“数字历史河流”与“数字历史黄河”的相关实践表明，HGI不能仅仅强调GIS的作用，还要实现图情、GIS、历史地理学等多个学科的平衡与深度融合，这样才能将历史地理学的信息化水平推上新的台阶。同时，历史地理学信息化程度的加深也可以助推图情领域在时空信息管理方面的发展，实现学科“共建、共享、共赢”的良性局面。

数字人文强调“跨界与融合”，实际上，近年来的学术发展已经证明"独行侠"式的研究模式越来越难以适应当前及未来的学术发展，真正意义上的团队协作才是今后主流的学术工作模式。“跨界与融合”是数字人文的手段而非目的，数字人文的终极目标应当是推进更广阔的视角，使用更多的工具剖析世界、社会和人群，这才是“跨界、融合”“团队协作”的意义。

作者：潘威、夏翠娟、张光伟、孙涛

来源：《图书情报知识》2021年第3期

选稿：耿 曈

编辑：欧阳莉艳

校对：宋柄燃

审订：汪依婷

责编：杜佳玲

（由于版面内容有限，文章注释内容请参照原文）

微信扫码加入

中国地名研究交流群

QQ扫码加入

江西地名研究交流群

欢迎来稿！欢迎交流！

转载请注明来源：“江西地名研究”微信公众号