一座宝塔_一块有字的砖头,揭开了一座宝塔的秘密,竟让千年前的历史再现

史书上的文字总引导着人们,在某个恰当的时候推开一扇历史大门,甚至,还会奉上让人惊喜不已的“礼物”,上海隆平寺塔基遗址的发现就是如此。明正德年间的《松江府志》,用“香华桥”和“陈泾口”给了后人提示,再现了当年的那段历史。

0c30a6757025dfe88228a5021d2262dc.png

这一发现研究价值巨大,曾作为古吴淞江出海口的青龙镇,是一个繁华的对外贸易港口。只是,在历史的变迁中,随着其港口作用的淡化,如今只剩下了少量遗存。根据史料记载,隆平寺塔是青龙镇的“北寺”,在该镇北边塔基遗址的发现,让人们有了更多的实物证据去勾勒青龙镇的市镇面貌。

于是,为了解青龙镇遗址的文化内涵,2010至2016年,上海博物馆考古研究部对青龙镇遗址进行了长期的考古勘探和发掘工作,之后,也取得了许多新发现,使得这座淹没于地下数百年的港口重镇,正逐步揭开其神秘的面纱。

41289db1f30f8a2695a380095088a279.png

然而,很多人不知道的却是:此次的考古工作却是始于一块模印字砖。

隆平寺塔是一座佛塔,由民间捐赠完成。当年,考古人员在此地挖沟之时,竟发现一块砖上居然有“入塔内”三字。于是,结合历史文献,考古人员认为:这块砖应该是当年修塔时捐赠的,便推断出该塔可能就在附近。有时候,机会就是这么巧合,刚好在第二年这块地的使用租赁合同到期。

其实,这里原本是一块葡萄园,考古人员和相关部门沟通之后,拿到了400平方米作为考古研究及发掘。不过,那时没有人敢断言会有这么大的发现。虽然,中国历史上有价值的文物太多,但能保留至今的却太少,它们不是毁于战争,就是遭到了人为的破坏,还有不可抗拒的自然力量的破坏。

隆平寺塔基遗址总面积大概有1000平方米,若是从正上方看,可以看出八角形的砖石结构,塔身外侧是双回廊的副阶。该塔基结构很是特殊,不同于江南其它的佛塔建筑风格。以塔基为中心再向下深挖时,大概在5米的深度,就发现夯土堆筑的地宫,上方有木板封护,呈十字交叉状。

地宫保存完好,为仿塔结构,平面为长方形,内壁由石板砌筑,下面可见各个时代的钱币无数,较早年代的是五铢,最近的是天禧通宝,还能看到宋元通宝铁母钱这些有价值的钱币。此外,中心地宫的长宽大概有70多厘米、20多厘米。关于它的名称,还有好几种说法。

4b37f0350e659624750a9345084eb545.png

有人认为地宫本体应该是一个函,之前发掘出了四层套函,若算在一起就是五重函。其实,关于四层套函,最外层的是木函,向内依次是铁函、木贴金函及银函。而木贴金函,也就是鎏金木函。这里的“函”,有必要解释一下,不是指信函的“函”,而是装东西的匣子。

既然如此,那么,被发现的“函”里装了些什么呢?

银函的底部是一层彩色宝石,上面是一尊释迦摩尼的涅槃像。除此之外,在木函里面,还发现有不少供奉品,如:银龟、铜镜、水晶佛珠等。不过,最有价值的发现,莫过于一个铜瓶了,内有4颗圆珠,其中,3颗晶莹质地,应该是佛教的圣物——舍利子。

其实,在史籍中也有记载隆平寺塔“藏舍利”,舍利子一般指有修为的得道高僧死后火化的一种结晶体。更重要的是,此次考古保留了原有的建筑构件,如:柱础和柱顶石等,对于以后复原隆平寺塔,都是相当重要的历史物证。

dfb7a2ef0bc88e3b45d57d9976d03d72.png

根据专家的解释,该塔的高度可能有50米高,因为,塔基直径很长,最大处可达到21米左右。要知道,在古代建筑中,地表的塔基和塔高是有一定正比例关系的。

再结合史料,隆平寺塔的建筑风格,应属于吴越风格,是一座有楼阁的佛塔,砖木结构,外侧是木构,里面为砖砌。所以,它的整体风貌灵秀,不同于西安的大雁塔及小雁塔。

据史料记载,于唐朝天宝年间设镇的青龙镇,曾被称为“东南巨镇”,足见当时的贸易往来是相当火爆的。自然,贸易的流通也会带动文化的交流,而民间捐资修建的隆平寺塔,足见当地佛教信仰的力量。

那么,为何要选址在青龙镇的北边?

根据专家的解释,这有一举两得的效果,既可以宣扬佛教的文化,还能为进入港口的商队指路。50米的高度,在古时可以说是一个巨型建筑了。所以,要进入青龙镇的那些商船,远远就可以看到这座地标性建筑。隆平寺塔不仅见证了青龙镇的鼎盛,还伴随着它的没落陷入到了沉寂之中。若不是史书上的记载,地宫中的那些物品,也许只能在某次偶然中被人发现了。

dc4c2eedde1ba24c54d3fdfa00f28618.png

只有文字才能承载着如此漫长的历史,看看那些字砖上的字,“陆仁安并妻孟十娘舍八万四千片”,总会让人不由自主的去勾画一个故事,试想一下,当年修塔时会是一个怎样的热闹场景?这样的捐助是一种非常朴实的表达,更是对生活美好的期待。虽然如今只剩塔基,但它的故事依旧还在。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值