基于随机森林模型的东北地区收缩城市分布格局及影响因素研究

doi:10.13249/j.cnki.sgs.2021.05.016

地理科学 ›› 2021, Vol. 41 ›› Issue (5): 880-889.doi: 10.13249/j.cnki.sgs.2021.05.016

基于随机森林模型的东北地区收缩城市分布格局及影响因素研究

闫广华¹^,²(), 陈曦²^,³^,^*(), 张云⁴

1.吉林大学行政学院，吉林长春 130061
2.长春师范大学地理科学学院，吉林长春 130032
3.中国科学院南京地理与湖泊研究所/中国科学院流域地理学重点实验室，江苏南京 210008
4.国家海洋环境监测中心，辽宁大连 116023

收稿日期:2020-05-27 修回日期:2020-11-12 出版日期:2021-05-10 发布日期:2021-07-15
通讯作者: 陈曦 E-mail:27565170@qq.com;xchen.geo@qq.com
作者简介:闫广华（1979−），男，辽宁朝阳人，博士，副教授，主要从事区域空间结构研究。E-mail: 27565170@qq.com
基金资助:
吉林省科技厅重大科技攻关项目(20190303017SF);吉林省教育厅科学研究项目资助(JJKH20210878KJ)

Shrinking Cities Distribution Pattern and Influencing Factors in Northeast China Based on Random Forest Model

Yan Guanghua¹^,²(), Chen Xi²^,³^,^*(), Zhang Yun⁴

1. School of Public Administration, Jilin University, Changchun 130012, Jilin, China
2. School of Geographical Sciences, Changchun Normal University, Changchun 130032, Jilin, China
3. Key Laboratory of Watershed Geographic Science/Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, Jiangsu, China
4. National Marine Environmental Monitoring Center, Dalian 116023, Liaoning, China

Received:2020-05-27 Revised:2020-11-12 Online:2021-05-10 Published:2021-07-15
Contact: Chen Xi E-mail:27565170@qq.com;xchen.geo@qq.com
Supported by:
Key Scientific and Technological Research and Development Project of Jilin Provincial Science and Technology Department(20190303017SF);Scientific Research Project of Jilin Provincial Education Department(JJKH20210878KJ)

摘要/Abstract

摘要：

基于2005—2009年、2010—2014年、2015—2019年和2005—2019年人口变化数据，判定东北地区收缩城市，分析其空间分布格局，并对比运用多元线性回归方法和随机森林回归方法探索东北地区收缩城市形成的影响因素及其影响作用。结果表明：① 空间上，东北地区的收缩城市主要分布在以长白山、三江平原、小兴安岭和大兴安岭等地区为代表的“陆上边缘”地区；时间上，收缩中心呈现出明显向北移动的态势，与之相对的扩张中心呈现出向南移动的态势，并且收缩城市进一步集聚；② 在影响因素的研究上，多元线性回归与随机森林回归结果都表明社会经济因素对收缩城市形成起了主要作用；③ 随机森林回归的精度比多元线性回归高，其结果显示人均GDP对收缩强度的影响程度最大，随后依次为失业率、科学教育事业费、在岗职工平均工资，且这4个影响因素中仅失业率对收缩起促进作用，其余3个影响因素在不同程度上抑制收缩城市的形成。

关键词: 收缩城市, 东北地区, 人口变化, 线性回归, 随机森林

Abstract:

Based on the demographic data of four periods (2005-2009, 2010-2014, 2015-2019 and 2005-2019), shrinking cities were identified in Northeast China, and their spatial distribution patterns were analyzed. We further compared the multiple linear regression (MLR) and the random forest regression (RFR) to explore the influencing factors and mechanisms of shrinking cities in Northeast China. The results showed that: 1) Spatially, the shrinking cities in Northeast China were mainly distributed in the "land-edge" regions represented by the Changbai Mountains, the Sanjiang Plain, Lesser and the Da Hinggan Mountains. Temporally, the shrinkage center showed an obvious northward trend, while the expansion center showed a southward trend. In addition, the shrinking cities were further clustered. 2) The results of both MLR and RFR indicated that socio-economic factors play a major role in the formation of shrinking cities. 3) The accuracy of RFR was higher than that of MLR. The results of RFR showed that GDP per capita has the greatest influence on the shrinkage intensity, followed by unemployment rate, expenses of science and education, and average wage of employed workers. There four influencing factors, except unemployment rate, the remaining three influencing factors restrict the formation of shrinking cities to varying degrees.

Key words: shrinking cities, Northeast China, population change, linear regression, random forest

闫广华, 陈曦, 张云. 基于随机森林模型的东北地区收缩城市分布格局及影响因素研究[J]. 地理科学, 2021, 41(5): 880-889.

Yan Guanghua, Chen Xi, Zhang Yun. Shrinking Cities Distribution Pattern and Influencing Factors in Northeast China Based on Random Forest Model[J]. SCIENTIA GEOGRAPHICA SINICA, 2021, 41(5): 880-889.

图/表 9

图1

表1

影响城市收缩的因素

影响因素	变量	数据说明
年底总人口/人	X₁	单位时期起始年年底总人口数
出生率/‰	X₂	单位时期起始年出生率
60岁以上人口占比/%	X₃	单位时期起始年60岁以上人口占比
人口密集度/（人/km²）	X₄	单位时期起始年年底总人口数/行政区划面积
夜间灯光指数	X₅	单位时期内起始年夜间灯光指数
人均GDP/万元	X₆	单位时期内起始年GDP/单位时期内起始年年底总人口数
固定资产投资额/万元	X₇	单位时期内起始年固定资产投资额
科学教育事业费/万元	X₈	单位时期内起始年科学教育事业费
学生教师比/%	X₉	单位时期内起始年中小学生数/单位时期内起始年总小学生教师数
失业率/%	X₁₀	单位时期内起始年失业率
人均医疗卫生床位数/张	X₁₁	单位时期内起始年医疗卫生机构床位数/单位时期内起始年年底总人口数
人均拥有汽/电车数量/辆	X₁₂	单位时期内起始年人均拥有汽/电车数量
建成区绿化率/%	X₁₃	单位时期内起始年建成区绿化率
人均铺装道路面积/km²	X₁₄	单位时期内起始年道路铺装面积（长度）/单位时期内起始年年底总人口数
在岗职工平均工资/元	X₁₅	单位时期内起始年在岗职工平均工资
废物利用指数	X₁₆	单位时期内起始年工业固体废物综合利用率、城镇生活污水处理率、生活垃圾无害化处理率平均值
地形起伏度	X₁₇	平均地形起伏度（栅格空间分别率为90 m，窗口选取0.9 km）
平均坡度/（°）	X₁₈	平均坡度（栅格空间分辨率为90 m）
平均海拔/m	X₁₉	平均海拔（栅格空间分辨率为90 m）
年平均气温/℃	X₂₀	平均气温（采用空间插值法）
年平均降水量/mm	X₂₁	平均降水量（采用空间插值法）
耕地指数	X₂₂	单位时期内起始年耕地指数（栅格空间分辨率为1 km）
人造地表指数	X₂₃	单位时期内起始年人造地表指数（栅格空间分辨率为1 km）
NDVI	X₂₄	单位时期内起始年归一化植被指数（栅格空间分辨率为1 km）

表1

图2

图3

图4

图5

图6

图7

参考文献 33

1	Pallagst K, Wiechimann T, Martinez-Fernandez C. Shrinking cities: International perspectives and policy implications[M]. New York: Routledge, 2014.
2	黄鹤. 精明收缩: 应对城市衰退的规划策略及其在美国的实践[J]. 城市与区域规划研究, 2011, 4 (3): 157-168.
	Huang He. Smart decline: Planning measures for urban decay and its practice in US[J]. Journal of Urban and Regional Planning, 2011, 4 (3): 157-168.
3	Oswalt P. Shrinking cities: International research[M]. Berlin: Hage Cantz, 2006.
4	Oswalt P. Shrinking cities: Interventions[M]. Berlin: Hage Cantz, 2006.
5	Oswalt P, Rieniets T, Schirmel H et al. Atlas of shrinking cities[M]. Berlin: Hage Cantz, 2006.
6	Wolff M. Understanding the role of centralization processes for cities-evidence from a spatial perspective of urban Europe 1990-2010[J]. Cities, 2018, 75 (5): 20-29.
7	Zingale N, Riemann D. Coping with shrinkage in Germany and the United States: A cross-cultural comparative approach toward sustainable cities[J]. Urban Design International, 2013, 18 (1): 90-98.
8	Mallach A, Haase A, Hattori K. The shrinking city in comparative perspective: Contrasting dynamics and responses to urban shrinkage[J]. Cities, 2017, 69 (9): 102-108.
9	Hartt D. How cities shrink: Complex pathways to population decline[J]. Cities, 2018, 75 (5): 38-49.
10	Martinez-Fernandez C, Weyman T, Fol S et al. Shrinking cities in Australia, Japan, Europe and the USA: From a global process to local policy responses[J]. Progress in Planning, 2016, 105 (4): 1-48.
11	Hattori K, Kaido K, Matsuyuki M. The development of urban shrinkage discourse and policy response in Japan[J]. Cities, 2017, 69 (9): 124-132.
12	朱秀迪, 张强, 孙鹏. 北京市快速城市化对短时间尺度降水时空特征影响及成因[J]. 地理学报, 2018, 73 (11): 38-56.
	Zhu Xiudi, Zhang Qiang, Sun Peng. Effects of urbanization on spatio-temporal distribution of precipitations in Beijing and its related causes[J]. Acta Geographica Sinica, 2018, 73 (11): 38-56.
13	王录仓, 武荣伟, 李巍. 中国城市群人口老龄化时空格局[J]. 地理学报, 2017, 72 (6): 1001-1016. doi: 10.11821/dlxb201706005
	Wang Lucang, Wu Rongwei, Li Wei. Spatial-temporal patterns of population aging on China’s urban agglomerations[J]. Acta Geographica Sinica, 2017, 72 (6): 1001-1016. doi: 10.11821/dlxb201706005
14	龙瀛, 吴康, 王江浩. 中国收缩城市及其研究框架[J]. 现代城市研究, 2015, (9): 14-19. doi: 10.3969/j.issn.1009-6000.2015.09.002
	Long Ying, Wu Kang, Wang Jianghao. Shrinking cities in China[J]. Modern Urban Research, 2015, (9): 14-19. doi: 10.3969/j.issn.1009-6000.2015.09.002
15	毛其智, 龙瀛, 吴康. 中国人口密度时空演变与城镇化空间格局初探——从2000年到2010年[J]. 城市规划, 2015, 39 (2): 38-43. doi: 10.11819/cpr20150207a
	Mao Qizhi, Long Ying, Wu Kang. Spatio-temporal canges of population density and exploration on urbanization pattern in China: 2000-2010[J]. City Planning Review, 2015, 39 (2): 38-43. doi: 10.11819/cpr20150207a
16	李郇, 杜志威, 李先锋. 珠江三角洲城镇收缩的空间分布与机制[J]. 现代城市研究, 2015, (9): 36-43. doi: 10.3969/j.issn.1009-6000.2015.09.005
	Li Xun, Du Zhiwei, Li Xianfeng. The spatial distribution and mechanism of city shrinkage in the Pearl River Delta[J]. Modern Urban Research, 2015, (9): 36-43. doi: 10.3969/j.issn.1009-6000.2015.09.005
17	刘振, 戚伟, 王雪芹, 等. 国内外人口收缩研究进展综述[J]. 世界地理研究, 2019, 28 (1): 13-23.
	Liu Zhen, Qi Wei, Wang Xueqin et al. A literature research on population shrinking[J]. World Regional Studies, 2019, 28 (1): 13-23.
18	杨振山, 杨定. 城市发展指数指引下的我国收缩区域初步评判[J]. 人文地理, 2019, 34 (4): 63-72.
	Yang Zhenshan, Yang Ding. Exploring shrinking areas in China availing of city development index[J]. Human Geography, 2019, 34 (4): 63-72.
19	张明斗, 肖航. 东北地区城市收缩的空间格局特征与作用机理[J]. 城市问题, 2020, (1): 33-42.
	Zhang Mingdou, Xiao Hang. Spatial pattern characteristics and mechanism of urban contraction in Northeast China[J]. Urban Problems, 2020, (1): 33-42.
20	杨孟禹. 中国城市收缩的识别及其成因——基于夜间灯光数据[J]. 河北学刊, 2020, 40 (2): 130-136.
	Yang Mengyu. Identification of Chinese urban shrink and its causes—Based on night light data[J]. Hebei Academic Journal, 2020, 40 (2): 130-136.
21	张雅杰, 汪祺瑞, 付洋, 等. 中国地级市收缩识别及其驱动力分析[J]. 测绘地理信息, 2020, 45 (2): 15-19.
	Zhang Yajie, Wang Qirui, Fu Yang et al. Identification of shrinking cities at prefecture-level in China and its driving forces[J]. Journal of Geomatics, 2020, 45 (2): 15-19.
22	郑利林, 徐金英, 王晓龙. 随机森林算法在湿地研究中的应用[J]. 湿地科学, 2019, 17 (1): 16-24.
	Zheng Lilin, Xu Jinying, Wang Xiaolong. Application of random forests algorithm in researches on wetlands[J]. Wetland Science, 2019, 17 (1): 16-24.
23	郭源园, 李莉. 中国收缩城市及其发展的负外部性[J]. 地理科学, 2019, 39 (1): 52-60.
	Guo Yuanyuan, Li Li. Change in the negative externality of the shrinking cities in China[J]. Scientia Geographica Sinica, 2019, 39 (1): 52-60.
24	Hoekveld J. Time-space relations and the differences between shrinking regions[J]. Built Environment, 2012, 38 (2): 179-195.
25	Hollander J B, Németh J. The bounds of smart decline: A foundational theory for planning shrinking cities[J]. Housing Policy Debate, 2011, 21 (3): 349-367. doi: 10.1080/10511482.2011.585164
26	马佐澎, 李诚固, 张婧, 等. 发达国家城市收缩现象及其对中国的启示[J]. 人文地理, 2016, 31 (2): 13-17.
	Ma Zuopeng, Li Chenggu, Zhang Jing et al. Urban shrinkage in developed countries and its implications for China[J]. Human Geography, 2016, 31 (2): 13-17.
27	于琛, 胡德勇, 曹诗颂, 等. 近30年北京市ISP-LST空间特征及其变化[J]. 地理研究, 2019, 38 (9): 2346-2356. doi: 10.11821/dlyj020180621
	Yu Chen, Hu Deyong, Cao shisong et al. The spatial characteristics and changes of ISP-LST of Beijing in recent 30 years[J]. Geographical Research, 2019, 38 (9): 2346-2356. doi: 10.11821/dlyj020180621
28	Anselin L, Bera A K, Florax R et al. Simple diagnostic tests for spatial dependence[J]. Regional Science and Urban Economics, 1996, 26 (1): 77-104.
29	林雄斌, 杨家文, 张衔春, 等. 我国城市收缩测度与影响因素分析——基于人口与经济变化的视角[J]. 人文地理, 2017, 32 (1): 82-89.
	Lin Xiongbin, Yang Jiawen, Zhang Xianchun et al. Measuring shrinking cities and influential factors in urban China: Perspective of population and economy[J]. Human Geography, 2017, 32 (1): 82-89.
30	陈晓红, 张文忠, 张海峰. 中国城市空间拓展与经济增长关系研究——以261个地级市为例[J]. 地理科学, 2016, 36 (8): 1141-1147.
	Chen Xiaohong, Zhang Wenzhong, Zhang Haifeng. The Relations of urban spatial expansion and economic growth in China: A case study of 261 prefecture-level cities[J]. Scientia Geographica Sinica, 2016, 36 (8): 1141-1147.
31	王超, 阚瑷珂, 曾业隆, 等. 基于随机森林模型的西藏人口分布格局及影响因素[J]. 地理学报, 2019, 74 (4): 664-680. doi: 10.11821/dlxb201904004
	Wang Chao, Kan Aike, Zeng Yelong et al. Population distribution pattern and influencing factors in Tibet based on random forest model[J]. Acta Geographica Sinica, 2019, 74 (4): 664-680. doi: 10.11821/dlxb201904004
32	Breiman L. Random forests[J]. Machine Learning, 2001, 45 (1): 5-32.
33	Cutler A, Cutler D R, Stevens J R. Random forests[J]. Machine Learning, 2004, 45 (1): 157-176.

时期	类型	标准差椭圆参数
时期	类型	中心坐标	x轴长度/km	y轴长度/km	旋转角
2005—2009年	收缩城市	44°37′N，125°55′E	933.55	718.78	43°50′
2005—2009年	扩张城市	44°40′N，125°32′E	873.21	332.56	22°49′
2010—2014年	收缩城市	44°45′N，124°52′E	1007.42	817.51	179°27′
2010—2014年	扩张城市	44°11′N，125°23′E	1002.49	356.46	27°43′
2015—2019年	收缩城市	46°2′N，128°45′E	686.51	417.75	47°8′
2015—2019年	扩张城市	42°37′N，122°10′E	788.28	394.90	171°48′

[1]	陈世莉, 陈浩辉, 李郇. 夜间灯光数据在不同尺度对社会经济活动的预测[J]. 地理科学, 2020, 40(9): 1476-1483.
[2]	赵儒煜, 许军. 东北地区要素空间集聚与不平衡发展研究[J]. 地理科学, 2020, 40(7): 1104-1113.
[3]	薛冰, 肖骁, 李京忠, 谢潇. 基于兴趣点（POI）大数据的东北城市空间结构分析[J]. 地理科学, 2020, 40(5): 691-700.
[4]	刘书舟, 韩增林, 郭建科. 高速铁路对东北城市网络结构的空间影响[J]. 地理科学, 2020, 40(2): 270-279.
[5]	徐文明, 朱显平. “一带一路”倡议下东北地区粮食产业转型升级路径[J]. 地理科学, 2020, 40(12): 2046-2054.
[6]	王伟, 王成金. 东北地区高质量发展评价及其空间特征[J]. 地理科学, 2020, 40(11): 1795-1802.
[7]	闫广华, 张云. 东北城市人口流动倾向强度与吸引力度耦合协调研究[J]. 地理科学, 2020, 40(11): 1848-1858.
[8]	付占辉, 梅林, 刘艳军, 郑茹敏. 东北三省城乡收入差距空间格局及其分异机制研究[J]. 地理科学, 2019, 39(9): 1473-1483.
[9]	程利莎,王士君,杨冉. 中国东北地区地缘关系演化过程及区域效应[J]. 地理科学, 2019, 39(8): 1284-1292.
[10]	初楠臣, 张平宇, 李鹤, 姜博. 东北地区城际高铁网络格局特征与演变趋势[J]. 地理科学, 2019, 39(5): 761-769.
[11]	王绍博, 罗小龙, 郭建科, 张培刚, 顾宗倪. 高铁网络化下东北地区旅游空间结构动态演变分析[J]. 地理科学, 2019, 39(4): 568-577.
[12]	朱建华, 修春亮. 1949年以来东北地区行政区划演变格局与成因分析[J]. 地理科学, 2019, 39(4): 606-615.
[13]	贾占华, 谷国锋. 东北地区经济结构失衡水平评价及其对经济增长的影响研究——基于空间计量模型分析[J]. 地理科学, 2019, 39(4): 636-643.
[14]	王利, 刘万波, 赵东霞, 韩增林, 黄馨慧. 东北地区县域老年人口高龄化空间分异特征及驱动因素研究[J]. 地理科学, 2019, 39(2): 267-276.
[15]	吴浩, 王秀, 周宏浩, 王颖, 陈晓红. 东北三省资源型收缩城市经济效率与生计脆弱性的时空分异与协调演化特征[J]. 地理科学, 2019, 39(12): 1962-1971.

基于随机森林模型的东北地区收缩城市分布格局及影响因素研究

Shrinking Cities Distribution Pattern and Influencing Factors in Northeast China Based on Random Forest Model

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 33

相关文章 15

Metrics

本文评价

推荐阅读 0