EN中文

地理科学 >

2015 , Vol. 35 >Issue 11: 1381 - 1387

DOI: https://doi.org/10.13249/j.cnki.sgs.2015.011.1381

基于镇域尺度的江苏省人口分布空间格局演变

  • 车冰清 , 1 ,
  • 仇方道 , 1, 2
展开
  • 1. 江苏师范大学区域与城市研究中心,江苏 徐州 220009
  • 2. 江苏师范大学城市与环境学院,江苏 徐州 221116
仇方道,教授。E-mail:

作者简介：车冰清（1981-）,男,江苏沛县人,博士研究生,实验师,主要从事空间结构与区域发展研究。E-mail:

收稿日期: 2014-12-22

  要求修回日期: 2015-04-30

  网络出版日期: 2015-11-20

基金资助

国家自然科学基金项目（41371146、41201160、41501122）资助

收起

Spatio-temporal Changes of Population Distribution at Sub-district Level in Jiangsu Province

  • CHE Bing-qing , 1 ,
  • QIU Fang-dao , 1, 2
Expand
  • 1. Regional and Urban Research Center, Jiangsu Normal University, Xuzhou, Jiangsu 220009, China
  • 2. School of Urban and Environmental Sciences, Jiangsu Normal University, Xuzhou, Jiangsu 221116, China

Received date: 2014-12-22

  Request revised date: 2015-04-30

  Online published: 2015-11-20

Copyright

本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
Fold

摘要

基于2000年、2010年人口普查乡镇（街道）数据,运用探索性空间数据分析、半变异函数等方法,分析江苏省人口分布的时空分异特征,并揭示其空间演化机理。结果表明：① 江苏省人口分布呈现较大的空间差异,全省层面上呈现南北人口密度高于中部的“凹”字型结构,城乡层面上呈现街道人口密度高于乡镇的“城乡二元”结构,以及沿江地区明显的“核心边缘”结构;② 研究期内江苏省人口分布的空间不均衡性和集聚性呈增强之势,长江以北镇域的人口密度大多降低而以南普遍增加,苏锡常、南京、徐州三大都市圈的人口集聚能力进一步提升,沿江地区成为全省规模最大的高密度人口连绵区;③ 空间关联作用是引起江苏省人口分布格局变化的空间机理,而政策、区位、经济与自然环境等因素是造成江苏人口格局变化的主要动力。

关键词： 人口分布; 镇域尺度; 江苏省

本文引用格式

车冰清 , 仇方道 . 基于镇域尺度的江苏省人口分布空间格局演变[J]. 地理科学, 2015 , 35(11) : 1381 -1387 . DOI: 10.13249/j.cnki.sgs.2015.011.1381

Abstract

Since the reform and opening up, the large-scale migration in China has caused dramatic changes in population distribution, which has become a hot research field of human geography. Spatial pattern of population distribution has a typical character of scale dependency. Fine-scale estimation of the population distribution has been a huge challenge in the field of population geography. In China, sub-district is the finest administrative unit in official population census data. Thus, population density data at township level can be used to describe and characterize the population spatial pattern and changes elaborately, and support the optimized layout plan of Chinese population and government policy decision making. Sub-district boundaries across 13 cities in Jiangsu Province had been collected in this study. The national population census data were spatially joined to the boundary layer for population density calculation. Based on the fifth and sixth population censuses, using exploratory spatial data analysis, interpolation methods and semivariogram, the space differentiation and temporal variation of population density of all sub-districts in Jiangsu Province in 2000-2010 are explored, and further, the evolutionary mechanism of it is discussed. The results are reported as follows. In spatial distribution, the population density of Jiangsu Province was characterized by concave shaped structure, urban-rural dual structure, and core-periphery structure. Suzhou-Wuxi-Changzhou metropolitan area had the most widely dense population, and Nanjing City circle had the highest population density. In the evolution, the space differentiation of population density was becoming ever more obvious. Population density in the south of Jiangsu was generally increasing, but most towns’ population density was declining in the northern area. The variation of population density was presented spatial inequality. In evolutionary mechanism, spatial continuity and self-organization of population density have been intensified, and the spatial form of population density changed from decentralization in the initial stage to centralization. Additionally, the structural difference resulted from spatial association has become more and more obvious. The changes of population distribution were influenced mainly by policy and economic factors. First, regional strategies played a guiding role in the population distribution changes. Secondly, economic development reshaped the population distribution, and the population density had a significant positive correlation with economic density. Thirdly, location difference was the determinant. At last but not the least, physical geography difference had also affected the layout in a certain extent. This study expanded the research scale and dimension of the research in population geography research in China. The resulted population density dataset in 2000 and 2010 is expected to enrich the baseline data resources for population geography development in China.

Key words： population distribution; spatio-temporal pattern; evolution mechanism; sub-district level; Jiangsu Province

人口的空间分布是特定时空背景下人与自然环境关系的反映,体现社会经济发展水平的差异[1],对人口分布格局的分析是研究社会经济现象及其地理规律的逻辑起点[2,3]。20世纪以来,世界人口的骤增加剧了全球范围内的资源短缺、环境污染及生态恶化,人口问题成为世界面临的核心问题之一[4]。人口分布作为人口研究的重点领域,各国学者很早就开始对不同国家和地区的人口分布的时空变化、影响因素相关性,以及未来人口分布预测等方面进行研究。人口分布反映了人口数据在时间和空间上的变化,而这种变化不仅受到自然因素的影响,同时又有经济因素的制约。研究人口的分布格局变化,可以揭示区域人口分布规律[5]。在人口分布特征研究的基础上,许多学者探讨了土地利用、地形起伏度、交通条件等对人口分布的影响[6~10],立足人口分布的过去和现在,把握人口分布的历史过程和现实格局,而另一些学者则对人口的增长趋势和空间变化情况进行了预估[11~16]。因此,获取并掌握人口分布信息,尤其是精细尺度的人口空间分布信息,逐渐成为制定区域发展规划、灾害风险防范与救助、经济建设、环境与生态保护等政策的重要科学依据[17]。
随着遥感、地理信息技术、人工智能等新技术方法的发展,各国学者相继开展了全球、国家、省、市、县乃至像元尺度的人口分布模拟分析。国外学者较早基于空间统计方法来揭示区域人口分布的空间关联特征[18~20]。2000年以来,中国学者采用GIS、ESDA和统计分析等方法对人口分布的影响因素进行了探讨[21~23]。人口密度是反映区域人口分布的重要指标和主要表现形式[24,25],从不同空间尺度进行人口密度的时空分析,可以得到从宏观到微观的人口分布变化特征。人口数据空间化是目前国内研究人口非均匀分布的主流方法,通过定量分析人口分布与其影响因素（自然、人文）的相关性,采用一定的模型方法,创建区域范围内连续的人口表面,实现人口分布与演化的模拟[26~32]。该方法将人口与各种资源、环境数据融合,有效地克服传统人口分布研究方法的局限性。但存在两个影响模拟结果准确性的因素,一是选择最优的拟合模型、设置适宜的参数;二是基础统计数据的尺度,尺度越小,样点数据越多,模拟结果越符合实际。受到统计口径、公开数据所限,大尺度的人口分布研究较为常见,多以省、市、县（区）行政区作为分析单元。随着社会经济发展,在政府决策和科学研究中,需要了解人口的小尺度详细分布情况。自2000年第五次全国人口普查以来,中国人口的统计口径逐渐规范,并公布了分街道、乡镇的统计数据,为小尺度人口密度空间格局的研究提供了数据基础。
因此,本研究利用乡镇（街道）级行政单元的常住人口数据,运用空间分析、空间统计方法,对江苏省人口密度的时空变化进行精细化分析,廓清2000年以来其人口分布的空间格局及变化态势,并揭示其演化机理,力图为新常态下该省人口空间分布优化及城镇化健康发展决策提供科学依据。

1 研究区概况、数据来源及研究方法

1.1 研究区域

江苏省位于中国东部沿海的脐部,是长江三角洲地区的重要组成部分,同时,“丝绸之路经济带”、“长江经济带”和“海上丝绸之路”交汇于此,也是中国省级新型城镇化综合试点地区之一。2014年,江苏常住人口达7 960.06万人,人口密度774人/km2,居中国第四位,是中国人口最为稠密区域之一。2000年以来,随着工业化和城镇化的高速推进,人口流动的增强,江苏省人口分布呈“南高北低”格局,并且这一人口空间不均衡现象有不断强化之势,因此研究该省人口的集聚和流动变化的影响因素具有必要性和典型性,同时,对于中国其他区域开展人口空间分布优化研究也具有借鉴意义。

1.2 数据来源及处理

本研究以镇域为研究单元,依据2010年行政区划,全省共包括1 307个镇级行政单元（镇、乡、街道）,选取2000年和2010年作为研究断面,以人口密度作为测度指标。人口普查中分街道、乡镇数据是小尺度数据,但这种数据的缺点是会受到频繁行政区划变动的影响,2000~2010年江苏省乡镇区划单元调整频繁,包括撤乡建镇、撤镇建街道、撤县建区等过程,街道、乡镇行政单元范围调整较大,本研究对行政区划调整的区域进行相应的合并处理,以保持数据的可比性。人口统计数据来源于国家统计局[33,34],江苏省乡镇边界数据来源于长江三角洲数据共享平台。

1.3 研究方法

1.3.1 克里金插值法
克里金（Kriging）插值法又称空间自协方差最佳插值法,不仅考虑已知数据的空间相关性,还预测待估计点的数值,并给出表示精度的方差。在克里金系列方法的操作过程中,采样数据必须满足不同程度的条件才能使结果输出有效。其假定采样点之间的距离或方向可以反映表面变化的空间相关性。它的常用公式由数据的加权总和组成[35]：
Z ^ x 0 = ∑ i = 1 N λ i Z x i （1）
式中, Z ^ x 0 为x0处的预测值,Z(xi)为第i个位置处的测量值,λi为第i个位置处的测量值的权重,x0为预测位置,N为测量值数。在普通克里金法中,权重λi取决于测量点、预测位置的距离和预测位置周围的测量值之间空间关系的拟合模型。
1.3.2 半变异函数
半变异函数是描述区域化变量随机性和结构性的基本手段,是一个关于数据点的半变异值与数据点间距离的函数,假设区域化变量满足二阶平稳和本征假设,则半变差函数可以表示为[36,37]：
γ h = 1 2 N ( h ) ∑ i = 1 N ( h ) [ Z ( x i ) - Z ( x i + h ) ] 2 i=1,2,…,N(h) （2）
式中,h是样点间隔距离,N(h)是分隔距离h的样点量,区域化变量Z(xi)和Z(xi+h)分别为Z(x)在空间位置xi和xi+h上的观测值。半变异函数大时,空间自相关减弱。

2 结果分析

2.1 人口分布的空间格局特征

2.1.1 数据分布特征
通过直方图检查人口密度数据的分布状态,2000年、2010年江苏省镇域人口密度数据高度偏斜（图1）,具有较大的标准差（4 812.4、6 365.4）,说明人口数据聚类相对于平均值是离散的,频率分布波动性较大;偏度分别为5.017 9、4.185 6,且平均值（1 975.6、2 697.7）大于中间值（617、606）,是具有较长大值右尾部的正偏分布,峰度分别为35.108、23.511远大于3,是具有较厚尾部分布的高峰态,表明较少的人口密度高值主要在街道集聚,较多的人口密度低值在乡镇分布。如果数据呈正态分布,则用于生成表面的插值方法可提供最佳结果。因此,对人口数据进行对数变换,变换后平均值与中值类似,偏度接近零,并且峰度接近3,数据服从正态分布。
Fig.1 Histogram of population density in Jiangsu Province

图1 人口密度

2.1.2 模型选择与结果验证
半变异函数拟合模型表达地理变量的空间变异性与空间相关性。将镇域质点的人口密度数据作为空间变差分析的样方,步长大小的选择对于插值结构有着重要的影响,本研究使用镇域质点与最近的相邻要素之间的平均距离,来确定步长大小,经计算2000年、2010年步长分别为6 487 m、6 382 m。对人口样点密度数据采用Stable、Exponential、Spherical、Gaussian等模型进行拟合。依据最佳模型应拥有最接近于0的标准平均值、最小的均方根预测误差、最接近该误差的平均标准误差,以及最接近于1的标准均方根预测误差的原则,确定2000年、2010年最优拟合模型分别为Exponential、Stable模型（表1）。
2.1.3 空间形态特征
对插值预测结果进行“自然间断点”10级分类,得到人口密度的空间分布图（图2）。
2000年,江苏省人口密度的空间分布,在整体上呈现出由南北向中部递减的“凹”字型特征,以及凸显的城区人口密度远高于农村的“城乡二元”结构。在南北差异上,长江以南地级市城区人口密度普遍高于长江以北地级市,人口密度高于1 000人/km2的区域面积南部也远远大于北部。形成了苏锡常都市圈、南京都市圈和徐州都市圈三大人口密集高地,其中苏锡常都市圈集聚人口数量最多、高密度区域最广,空间分布呈多核心结构;南京都市圈人口密度值最高,呈现典型的单中心结构;徐州都市圈在人口集聚能力、集聚人口总量等方面均相对较弱。
2010年,江苏省人口向长江以南区域进一步集聚,呈现由中心向外围递减的“核心边缘”结构。长江以南区域集聚人口数量持续增加,高密度人口区域由城镇向农村扩张;而长江以北人口继续向城镇集聚。全省人口分布的“凹”字型和“城乡二元”结构特征不断强化,三大都市圈的人口密度空间形态差异进一步明显,苏锡常都市圈人口密度分布呈现连绵带状,南京都市圈呈现团块状,而徐州都市圈则呈现圈层状分布格局。
Table 1 Prediction errors of semi-variance function models

表1 拟合模型的预测误差

年份 验证参数 拟合模型
Stable Exponential Spherical Gaussian
2000年 均方根 2950.18 2832.632 2992.762 3066.236
标准平均值 0.1366004 0.1344623 0.1326696 0.12957
标准均方根 0.6071783 0.6372542 0.6187091 0.6238103
平均标准误差 3670.271 3395.671 3677.142 3722.631
2010年 均方根 2797.151 2802.023 2775.24 2862.018
标准平均值 0.1528145 0.1600067 0.1369406 0.1308856
标准均方根 0.6120949 0.5949895 0.6113926 0.6267969
平均标准误差 4087.916 4272.291 4362.84 4519.554
Fig.2 Distribution of population density in Jiangsu Province

图2 人口密度的空间分布

2.2 人口分布的空间格局变化类型

从2000~2010年江苏省人口密度的统计变化看,其偏度、中位数都减小,说明镇级行政单元集聚的人口数量多数是减小的;标准差变大,说明人口数据频率分布波动性增强、高值与低值之间的差距在增大。
为了综合考虑江苏省人口变动情况,对10 a之间的人口变动率（R,2010年与2000年人口密度比例）进行六类分级,即显著降低（R<0.5）、有所降低（0.5≤R≤0.9）、基本未变（0.9<R<1.1）、有所增加（1.1≤R<2.0）、显著增加（2.0≤R≤4.0）和大幅增加（R>4.0）。2000年以来江苏省人口变动凸显空间不均衡性和集聚性增强。首先,在1 307个镇域单元中,人口密度基本未变的为234个,占18%,有约44%（579个）的镇域单元的人口密度是降低的,有约38%（494个）的镇域单元的人口密度是增加的。不论数量还是面积,人口密度减少的乡镇明显多于人口密度增加的乡镇。其次,长江以北区域的人口密度大多降低,以南区域的人口密度普遍增加（图3）。第三,苏锡常、南京、徐州三大都市圈核心城市的人口集聚能力进一步提升,沿江地区成为江苏省规模最大的高密度人口连绵区。
Fig.3 Change of population density in Jiangsu Province in 2000-2010

图3 2000~2010年江苏省人口密度变化（人/km2）

2.3 人口分布格局演化的空间机理

根据人口密度的半变异函数拟合参数值（表2）,可见江苏省人口密度空间分布特征随时间变化而异,其空间自组织性越来越强,空间差异明显。
Table 2 Semi-variance function models of population density in Jiangsu Province

表2 江苏省人口密度的半变异函数参数值

年份 变程 块金值 偏基台 基台值 块金系数
2000年 15.1 0.021162 1.082699 1.103861 0.0191709
2010年 22.1 0.050971 1.245648 1.296619 0.0393107
由基台值、块金值和块金系数的指标变化来看,江苏省自2000年以来人口密度的空间差异在不断增大,在不断增大的人口密度空间差异中,由空间相关引起的结构化分异有不断增强的趋势。块金值的大小反映人口密度的随机性变化部分,块金值变大,说明人口密度受不确定因素影响程度在减小;基台值表示人口密度总的空间变异,2010年基台值相对2000年增大了17%,表示系统总的空间异质性变高;偏基台值变大反映人口密度由空间结构特征引起的变异程度有不断增强的趋势;块金值与基台值之比表示空间变异性程度指标,该比值增大,说明由随机部分引起的空间变异性程度较低,由结构性因素引起的空间变异性程度较大。变程反映人口密度的空间自相关范围,在变程内人口密度具有空间自相关性且相关性随h的增大而减小,2个年份的人口密度在既定步长下的变程上升较为明显,从2000年的15.1 km上升到2010年的22.1 km,增长了47%,这说明江苏省人口密度的结构化空间梯度引起空间关联效应的作用范围在增大,高密度人口集聚区域扩大明显,人口集聚呈现由城镇向周边区域扩散的趋势。

2.4 人口分布格局演化的驱动力

2.4.1 政策因素
政策作为政府干预的主要手段,对区域人口空间格局演化起着重要的控制和引导作用[38]。2000年以来,江苏省为了缩小苏南、苏中、苏北三大区域发展差距过大的问题,实施了一系列区域协调发展战略,包括打造东陇海产业带、南北共建园区、加快苏北发展、沿海开发等政策,但苏南仍然是经济发展的重心,得到了更多的政策支持,先后呈现出乡镇企业勃兴带动小城镇繁荣、各类开发园区建设带动中心城市发展、交通等基础设施升级助推城市群崛起等鲜明特点。政策的支持带来了大量的发展机遇,持续吸引大量外来人口向苏南集聚。当前,随着江苏省新型城镇化、长江三角洲发展一体化、长江经济带建设等重大战略的实施,江苏省人口的流动性将进一步增强。
2.4.2 区位因素
经济区位的优劣导致发展次序与程度的差异,江苏沿江地区是沿海沿江的交汇处,距上海较近,经济区位得天独厚,在长三角城市群中的地位和作用日益凸显。上海浦东的开发,苏州、无锡成为上海经济辐射中受益最早、最大的地区。因而这一区域始终是江苏省经济发展的高点,并且与苏北地区差距在不断的被拉大。苏北远离经济核心区,加之长江等自然因素的阻隔,受到上海辐射较小,经济发展缓慢,其人口不断向发达地区流动。沿江地区对劳动力的需求大大提升,较多的就业机会,持续吸引周边大量外来劳动力、科技人才的集聚,形成了人口集聚的连绵区。
2.4.3 经济因素
经济因素是人口分布的第一作用力,工业化和城镇化推动人口的流动和集聚。人口发展与经济发展往往是同步的,经济繁荣必将促使人口增长。工业、服务业在城镇集聚,相应地吸收基本人口和服务人口,使乡村人口源源不断流入城镇,城镇体系逐渐形成,人口分布格局从散布型走向点、轴集中型。苏南较高的经济发展水平、收入水平,形成较强的人口吸引力,而苏北较低的经济发展水平、收入水平,吸引力不足,进而经济水平差异形成了人口分布的不均衡格局。追求速度的城镇化带来的结果是城镇与乡村的基础设施、公共服务等生活条件的巨大差距,为了获得更好的生活资源,人口过多的集聚在核心城市。国际贸易的发展,更刺激了江苏沿海港口城市的成长,促进了沿海地区人口的集聚。
2.4.4 自然因素
人口分布在一定程度上受自然地理条件的影响。影响江苏人口分布的自然因素主要是河流因素,良好的水资源条件历来对人口的分布产生引力。苏南、苏中地区自然水系丰富,又地处平原地区,水网密布,长江、京杭大运河贯穿其中,并有以太湖为中心的湖泊群,有鱼米之乡的美誉,素来是人口集聚之地。而苏北地区历史上有名的黄泛区,决溢频繁,集中发生在徐州境内,每次洪灾过后该地区的发展都要从零开始,对人口的集聚造成了灾难性的影响,黄河变迁之后这一情况才得以改变。

3 结 论

本研究以镇域为分析单元,通过对2000~2010年江苏省人口分布时空演变特征、空间机理及驱动因素的分析,得出以下主要结论：
1） 空间格局特征方面,江苏省人口分布存在明显的差异,呈现由南北向中部递减的“凹”字型结构,街道人口密度高于乡镇的“城乡二元”结构,以及沿江地区明显的“核心边缘”结构;形成了苏锡常都市圈、南京都市圈、徐州都市圈3个显著的人口密集高地。但是过多的人口在都市圈的中心城区集聚,带来了一系列的环境、交通问题。合理引导人口由中心城区向城郊、小城镇流动,是以提升生活质量为目标的新型城镇化发展的重要体现。
2） 从演变趋势看,人口分布的空间不均衡性进一步拉大,表现为长江以北区域的人口密度大多降低,而以南区域则普遍增加。苏锡常、南京、徐州三大都市圈的人口集聚能力进一步增强,沿江地区成为江苏省规模最大的高密度人口连绵区,高密度人口区域由城市向周边区域扩展现象明显,人口密度的空间形态由相对分散向团块状演化。
3） 在空间机理上,人口密度空间关联效应的作用范围在不断地扩大,人口密度的空间连续性和自组织性越来越强,空间分异格局中的随机成份在不断降低,而由空间自相关引起的结构化分异越来越显著,空间变差的相关程在不断增大。政策、区位、经济和自然环境因素是引起江苏人口分布变化的主要驱动力。
需要指出的是,本研究只是运用单变量空间关联模型,从人口密度的变化上分析了人口分布的格局特征,如何基于城乡建设用地、经济发展水平等因素来构建多变量空间关联模型,进而从更深的层面去预测模拟人口的空间分布仍值得进一步研究。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
牛叔文,刘正广,郭晓东,等.基于村落尺度的丘陵山区人口分布特征与规律——以甘肃天水为例[J].山地学报,2006,24(6):684~691.在以农业生产为主的丘陵山地,人口分布具有明显的分散性和差异 性.基于村落尺度分析人口分布更接近实际.位于秦岭山地向黄土丘陵区过渡的天水地区,从市域、县域、乡镇到村落,随着分辨尺度的缩小,人口空间分布上的疏 密不均现象越突出,变异系数迅速扩大.在7 915个由城镇、村落和居民点构成的斑块上,面积在1.0～10 hm2范围的较小斑块占84.7%,表明分散的、小规模的村落仍是人口分布的主要形式.用非线性函数分析人口密度与村落用地比例、单位面积上的斑块数量、 斑块大小的关系,可以较好地揭示人口分布上的一些特征和规律.天水人口分布在地域上明显地表现为河谷高密度区、丘陵中密度区、山地低密度区三种类型,反映 人口分布特征的劳作半径和村落间距离在三种类型中都有显著差异.

DOI

[2]
王法辉,金凤君,曾光.区域人口密度函数与增长模式:兼论城市吸引范围划分的GIS方法[J].地理研究,2004,23(1):97~103.区域人口密度函数是研究中心城市对周围区域影响的有效方法。为了控制自然因素对人口密度分布的影响 ,本文的研究地域范围限定在我国四个主要的平原地区 :东北、华北、两湖平原和四川盆地。城市吸引范围是基于重力模型用GIS方法划分的。利用 1982年至 1990年的人口资料进行的模型模拟的结果表明 ,我国区域人口分布特征同西方国家一样 ,呈现出距离衰减特征 ,即随离城市的距离的增加 ,人口密度逐渐下降。由于城市经济增长的原因 ,城市人口增长快于边远地区 ,呈现出向心集聚的趋势。但不同区域集聚程度不一 ,核心城市人口快速增长的区域 ,腹地的人口增长比较迟缓 ;而核心城市人口增长速度一般的区域 ,腹地近乎是同步增长。

DOI

[3]
王法辉,姜世国,滕俊华.基于GIS的数量方法与应用[M].北京:商务印书馆,2009.

[4]
杨云彦. 人口、资源与环境经济学[M].北京:中国经济出版社,1999.

[5]
苏飞,张平宇.辽中南城市群人口分布的时空演变特征[J].地理科学进展,2010,29(1):96~102.采用人口分布的结构指数和空间 自相关分析方法,并结合GIS技术对20世纪90年代以来辽中南城市群人口分布的时空演变特征进行分析。研究结果表明:①2007年,辽中南城市群的人口 分布具有各地市人口总量差异较大、人口密度呈西高东低态势、市县人口密度差异显著、人口沿交通轴线集中分布、人口分布的局部空间集聚现象十分显著等现状特 征;②20世纪90年代以来,城市群的人口分布变化具有各地市人口增幅差异明显、人口分布具有不断集中趋势、人口重心逐渐由东北向西南方向移动,人口分布 趋同趋势不断增强等演变特征。研究结果表明空间自相关的统计分析方法能够更好地揭示出人口的分布特征、人口集聚及其变化的热点,对于人口的合理布局方案等 政府决策具有重要的参考价值。

DOI

[6]
Hunter L M,Stevenson M,Karish K S et al.Population and land use change in the California Mojave: Natural habitat implications of alternative futures[J].Population Research and Policy Review,2003,22(4):373-397.Demographic and land use dynamics have important implications for the natural environment within both developed and developing nations. Within the context of developed nations, popular and policy debates surrounding contemporary patterns of suburbanization attest to the salience of demographic and development issues. We examine the implications of land-use patterns as related to population and development within the context of the California Mojave Desert ecosystem. In a general sense, we aim to better understand the land requirements inferred by varying levels of population growth and density, as well as the natural habitat implications of those requirements. We develop a GIS including remotely sensed imagery, and demographic, economic, and biophysical data to examine of the implications of various demographic scenarios on species diversity. Spatial and statistical models are designed to develop possible alternative land use `futures'. Within the context of the California Mojave region, our results suggest that high-density development could reduce conflict with regions providing potential habitat for threatened or endangered species by over 80 percent. The process of model development demonstrates a potentially useful tool for policymakers, allowing for estimation and visualization of the land use implications of policy decisions.

DOI

[7]
龚胜生,陈丹阳,张涛.1982-2010年湖北省人口分布格局变迁及其影响因素[J].长江流域资源与环境,2015,24(5):728~734.以人口普查数据为基础, 采用空间分析技术, 对1982~2010年湖北省人口分布的变迁及原因进行研究。结果表明:(1)湖北省人口分布具有显著的空间差异:区域尺度上, 人口分布由东向西梯度递减, 且梯度差异不断扩大;地市尺度上, 武汉市始终是人口密度最高的地区, 神农架、恩施、十堰、宜昌始终是人口密度最低的地区;县级尺度上, 人口两极分化明显;省域尺度上, 人口密度高值区长期呈三足鼎立的态势, 人口重心始终位于几何中心以东, 并不断向东迁移;(2)湖北省人口格局形成的原因是多方面的:自然地理差异是奠定湖北人口分布格局的决定因子;社会经济发展对湖北人口分布在自然基础上进行再塑造;区域发展战略对湖北人口分布的变迁起着重要导向作用;开发历史也在一定程度上影响了人口分布的布局。

DOI

[8]
封志明,唐焰,杨艳昭,等.中国地形起伏度及其与人口分布的相关性[J].地理学报,2007,62(10):1073~1082.lt;p>基于人居环境自然评价的需要, 运用GIS 技术, 采用窗口分析等方法, 提取了基于栅 格尺度(10 km&times;10 km) 的中国地形起伏度, 并从比例结构、空间分布和高度特征3 个方面系 统分析了中国地形起伏度的分布规律及其与人口分布的相关性。研究表明: 中国的地形起伏度以低值为主, 63%的区域低于1 (相对高差&le;500 m); 空间分布呈现西高东低、南高北低的格局; 随着经度和纬度增高, 地形起伏度呈逐渐下降趋势, 28<sup>o</sup>N、35<sup>o</sup>N、42<sup>o</sup>N 纬线和85<sup>o</sup>E、102<sup>o</sup>E、115<sup>o</sup>E 经线上的地形起伏度符合中国三大阶梯的地貌特征; 随着海拔高度增加, 地形 起伏度呈现逐渐升高趋势。实证分析表明: 中国的地形起伏度与人口密度有较好的对数拟合关系, 拟合度高达0.91; 全国85%以上的人口居住在地形起伏度小于1 的地区, 在地形起伏度大于3 的地区居住的人口总数只占全国0.57%。中国地形起伏度与人口分布的相关性区域差异显著, 东北、华北、华中和华南等地相关性显著, 内蒙古与青藏地区几乎不存在相关性。</p>

DOI

[9]
刘纪远,岳天祥,王英安,等.中国人口密度数字模拟[J].地理学报,2003,58(1):17~24.运用基于格点生成法的人口密度空间分布模拟模型,通过运行净第一 性生产力空间分布、数字高程、城市规模及其空间分布和交通基础设施空间分布等数据集,模拟了中国人口密度的空间分布规律.模拟结果表明,人口密度的最高值 集中在北京、上海和郑州之间的三角区(BSZ)及珠江三角洲地区;同时,这个BSZ峰值三角区有发展为以上海-南京-杭州大都市密集区、武汉市、西安市、 北京-天津-唐山大都市密集区和沈阳-大连大都市密集区为顶点的五角形峰值区的趋势,珠江三角洲峰值区也正在向外围地区扩展.

DOI

[10]
田永中,陈述彭,岳天祥,等.基于土地利用的中国人口密度模拟[J].地理学报,2004,59(2):283~292.土地利用数据综合了影响人口分布的众多因素的信息。根据分县控制、分城乡、分区建模的思路,建立基于土地利用的中国1km栅格人口模型。对农村人口采用线性加权模型进行模拟,根据全国12个农业生态区内人口与各类农业用地之间的相关关系选取指标,采用逐步回归计算各指标的回归系数,并结合土地的生产力及其与人口的相关性,确定各指标的加权系数。对城市人口,建立基于城镇规模的人口距离衰减加幂指数模型。结果分析表明,“胡焕庸”线以东人口占全国的94.58%,人口密度是该线以西的21倍;东部人口集中于黄淮海地区、四川盆地、长江中下游、东北平原及沿海地区,东南沿海又表现为“点轴”分布的特点。验证表明,模拟结果具有较高的精度。

DOI

[11]
Dorn H F.Pitfalls in population forecasts and projections[J].Journal of the American Statistical Association,1950,45(251):311-334.Abstract This paper reviews the development of demography, and especially of population forecasting, and discusses the current demographic situation. The merits and limitations of several methods of making population predictions, and errors in demographic thinking are examined. The complexity of the problem of making forecasts either for short periods or long-time trends with the techniques now available is pointed out. * Revision of a paper presented before a joint meeting of the American Statistical Association and the Population Association of America in New York City on December 30, 1949.

DOI

[12]
Leach D.Re-evaluation of the logistic curve for human populations[J].Journal of the Royal Statistical Society,Series A(General),1981,144(1):94-103.In 1980, the U.S. Supreme Court vacated a revised occupational standard for benzene, stating that the Occupational Safety and Health Administration (OSHA) had failed to demonstrate that significant health risks existed under the current standard. This decision has been interpreted by OSHA as requiring the consideration of quantitative risk assessments, whenever possible, in the development of regulations for occupational carcinogens. In light of this' decision, the available epidemiologic evidence was used to generate a quantitative risk assessment for benzene. Uncertainties regarding the levels and lengths of benzene exposure for the studied cohorts were incorporated into the analysis. Based on the one-hit model, the assessment indicates that a working lifetime exposure to benzene at the current permissible exposure level (10 ppm) poses a substantial excess risk of death from leukemia. This report, discusses the calculation of the risk estimates, the basis for relying on certain assumptions, and the inherent limitations of using epidemiologic studies to quantify cancer risks.

DOI

[13]
Lee R D.Demographic forecasting and the Easterlin hypothesis[J].Population and Development Review,1976,(2):459-468.A model for forecasting fertility fluctuations in a population that is highly urbanized has low mortality and contracepts effectively is described. Based on the research of Easterlin which questions whether fertility and age distribution can be forecast separately it exploits a strong observed association of age-specific fertility and population size and structure. Population size and age structure are hypothesized to affect relative income through the mechanisms of pressure on limited resources. It is the comparison of income with expectations or aspirations that matters in the relationship. There will thus be a positive relationship between fertility and relative income and a negative one between age group size and income. Taken together these suggest that fertility and cohort size should be inversely related; which association forms the basis for the model. This is contrary to the usual assumption for forecasting in the U.S. i.e. that fertility rates are independent of population size and age structure. Though the model has not yet been well tested and still depnds on many subjective decisions it does help to identify the long run level of fertility by placing current experience in perspective. The ability to forecast fluctuations in fertility and age structure will demographers believe be increasingly important and will have major policy implications. When applied to the U.S. the model indicates that current fertility is only temporarily low and an upturn should occur after 5 or 10 years.

[14]
王露,杨艳昭,封志明,等.基于分县尺度的2020~2030年中国未来人口分布[J].地理研究,2014,33(2):310~322.选取1982年、1990年、2000年和2010年人口普查数据，运用Logistic模型系统预测了2020年和2030年中国分县人口规模，定量分析了未来中国人口分布的基本布局、各地区人口增减变化以及城市群人口集聚度变化。研究认为：①2020-2030年中国未来人口空间分布的总体格局不会发生根本改变，东南半壁人口比例会有所减少，西北半壁人口比例会有所增加，但增减变化在0.1%~0.3%之间；②2010-2020年中国有1641个分县单元人口将仍呈增加趋势，占地规模和相应人口都在全国3/4水平，人口增加仍是主要特征；2020-2030年中国人口增加的分县单元将大幅减少到598个，人口减少地区占地规模和相应人口将占3/5以上，人口减少成为普遍现象。③中国21个城市群地区人口总量将由2010年的7.81亿增加到2020年的8.68亿和2030年的9.17亿，相应的人口集聚度也将由2010年的1.99逐步提高到2020年的2.17和2030年的2.33，城市群地区人口集聚规模和集聚程度在逐步提高，人口集聚态势更加明显。

DOI

[15]
杨丽霞,杨桂山,苑韶峰.数学模型在人口预测中的应用:以江苏省为例[J].长江流域资源与环境,2006,15(3):287~291.人口规模是城市规划和土地利用总体规划中一项重要的控制性指标，人口规模是否合理，不仅影响到未来地区经济和社会发展，而且会影响到地区生态环境可持续发展，因此准确地预测未来人口的发展趋势，制定合理的人口规划和人口布局方案具有重大的理论意义和现实意义。运用马尔萨斯人口模型、Logistic增长模型和线性回归分析方法，利用《江苏统计年鉴》人口数据对江苏省2005~2020年的人口发展规模做出预测。预测结果显示，3种模型均取得了较好的模拟效果，但马尔萨斯人口模型和Logistic增长模型的模拟精度比线性回归更理想。在模型的验证过程中，前两者的平均相对误差较小，分别为0.35%和0.12%，而线性回归为2.25%，故采用两种非线性预测值的平均值作为预测结果，结果为2010年达到7 695.19万人，2020年达到7 919.20万人。

[16]
朱兴造,庞飞宇.自回归及logistic离散模型在中国人口预测中的应用[J].统计与决策,2009,13(13):157~159.为了寻找更好人口预测方法,经 济领域常用的自回归模型创新式的被应用到中国的人口预测中。通过结果预测结果分析,易知自回归的预测效果相当不错。进一步探索人口的预测理论,精典的 logistic离散模型被用来和自回归模型做对比。由于自回归模型和logistic离散模型在形式上有很大的相似,对两者在建模原理上进行了对比分 析,且对两个模型理论进行了推广。

[17]
中国科学院可持续发展研究组.中国可持续发展战略报告[M].北京:科学出版社,2000.

[18]
Moran P A P.The interpretation of statistical maps[J].Journal of the Royal Statistical Society B,1948,(37):243-251.Perceptions of boundaries between communicative codes and the modalities through which they are produced and perceived are mediated by social actors’ particular communicative repertoires and histories. I focus in particular on how the affordances of SignWriting (SW), a writing system for sign languages that has been adapted in Germany to additionally inscribe the physical movements by which spoken languages are produced, reveal and affect users’ diverse interpretations of the relationship between German Sign Language (DGS) and German. I examine the production and interpretation of DGS SW texts on two different scales: a classroom in Germany and a transnational, multilingual online network of SignWriters with whom classroom participants engage.

DOI

[19]
Getis A,Ord J K.The analysis of spatial association by use of distance statistics[J].Geographical Analysis,1992,24(3):189-206.Introduced in this paper is a family of statistics, G, that can be used as a measure of spatial association in a number of circumstances. The basic statistic is derived, its properties are identified,

DOI

[20]
Anselin L,Getis A.Spatial statistical analysis and geographic information system[J].Annals of Regional Science,1992,26(1):19-33.In this paper, we discuss a number of general issues that pertain to the interface between GIS and spatial analysis. In particular, we focus on the various paradigms for spatial data analysis that follow from the existence of this interface. We outline a series of questions that need to be confronted in the analysis of spatial data, and the extent to which a GIS can facilitate their resolution. We also review a number of exploratory and confirmatory techniques that we feel should form the core of a spatial analysis module for a GIS.

DOI

[21]
吕晨,樊杰,孙威,等.基于ESDA的中国人口空间格局及影响因素研究[J].经济地理,2009,29(11):1797~1801.利用ESDA技术,基于GIS平台对2005年中国人口空间格局 进行研究,发现2005年全国县域人口密度不仅数值差距较大,基尼系数达0.55,而且空间自相关性较强,Mom's I指数为0.42.京津冀、长三角、珠三角、四川盆地、东北经济带仍是全国人口最密集地区.局部空间自相关结果显示,京津冀、长三角、珠三角和四川盆地是 高高型人口集聚区.哈尔滨、长春、银川、昆明等城市地区是高低集聚区.低高型区域集中在高高型区域四周.西北干旱区、内蒙古北部、东北北部山区属于低低集 聚区.将人口密度分为五级,通过人口重心观察,以及将人口密度与自然和经济因素叠加,发现气候和海拔高度仍是影响人口分布的主要因素.产业结构和交通对全 国人口格局影响显著.自然因素不同的组合形式将对人口格局产生不同的影响,其中气候和地形因素长期稳定地影响人口空间格局,但其对人口空间分布的约束力将 随着技术进步而降低.经济因素是人口空间格局短期变动的主要原因.

[22]
董春,刘纪平,赵荣,等.地理因子与空间人口分布的相关性研究[J].遥感信息,2002,(2):61~64.通过建立包括居民地、公路、铁 路、水系、高程带、坡度带、坡向带、土地覆盖等要素内容的地理因子库 ,以及包括国民经济和社会发展主要指标的经济因子库 ,提取在一定区域内与人口分布密切相关的因子组成 ,并以其归一化相关系数作为定量分析的权重系数。本文提出的是实现人口在空间单元内遵循人口分布规律的空间化分布的一种尝试。

DOI

[23]
王静,杨小唤,石瑞香.山东省人口空间分布格局的多尺度分析[J].地理科学进展,2012,31(2):176~182.人口空间分布具有一定的尺度依 赖性,从不同尺度上对人口空间分布格局进行分析,可以更确切、真实地揭示人口的空间分布规律,为制定区域发展规划、灾害评价、环境保护等提供科学依据。本 文以山东省为研究区,运用空间自相关方法和统计相关分析方法,比较市级、县级、1 km三个尺度上人口分布的空间自相关性及其与环境—经济因子的统计相关性,试图探讨不同尺度下人口的空间分布模式及影响(指示)因素,从不同尺度揭示人口 的空间分布格局特征。结果表明:①从不同尺度对人口的空间分布格局进行分析,可以得到从宏观到微观不同详细程度的信息。从市级尺度分析,可以得到山东省整 体的人口空间分布特征;从县级尺度分析,可以得到山东省各市内部的人口空间分布特征;从1 km尺度分析,可以得到山东省各县内部的人口空间分布特征。②不同尺度上,人口的空间分布格局特征不同。市级和县级尺度上,人口分布受环境—经济因子的影 响表现出与一些因子显著相关,而受空间集聚的作用较小;1 km尺度上,人口分布与环境—经济因子的相关性较小,而主要受空间集聚的作用,在县内部,人口往往集中分布于某一区域,呈现出典型的集聚分布模式。

DOI

[24]
朱瑜馨,张锦宗,聂芹,等.山东省人口密度分布模式的GIS空间分析[J].国土资源遥感,2011,(4):147~150.利用2010年山东省第六次人 口普查数据,借助GIS技术,运用空间统计分析方法,对山东省17地市人口空间分布模式进行分析。采用四分位数计算方法和Moran’s I和Local Moran’s I指数研究方法分析可知,2010年山东省17地市人口密度的空间分布模式存在空间集聚现象,总体上以济南、淄博为中心大致划分为高密度区、较高密度区和 较低密度区3个空间条带形区域,没有出现高值和低值异常的空间区域;山东省17地市人口密度呈正的空间自相关,空间分布并非处于完全的随机状态,表现出相 似值之间的空间聚集:西部和南部5个地区存在着明显的"高-高"集聚;北部4个地区存在着明显的"低-低"集聚;存在着莱芜和日照两个"低-高"关联及潍 坊市"高-高"关联的孤立点。

DOI

[25]
毛夏,徐蓉蓉,李新硕,等.深圳市人口分布的细网格动态特征[J].地理学报,2010,65(4):443~452.lt;p>深圳是中国人口密度最高的城市,为应急处置自然灾害等突发事件,需要实时获取高分辨率的人口动态分布信息。本文利用&quot;基于移动基站的人口分布动态监测系统&quot;提供的时间分辨率1 h,空间分辨率1 km的人口密度信息,分析了深圳市人口细网格动态特征。深圳城市移动用户总人口是1082.59万人,平均人口密度5545人/km<sup>2</sup>最高16.5万人/km<sup>2</sup>超过5.0万人/km<sup>2</sup>高密度人口主要分布在商业中心、海关口岸、火车站和居民集中居住区。最高人口密度的数值与选择的网格尺度有关,1000 km<sup>2</sup>网格和1 km<sup>2</sup>网格之间可以相差18倍。在深圳50%的人口聚集在10%的空间范围内,60%的人口分布在海拔高度50～100 m的土地上;网格上的建筑密度、道路密度与人口密度线性相关,建筑密度增加1%,对应人口增加约1000人,道路密度增加0.01%,人口增加约2000人。城市总人口在一定时期内是相对固定,变化幅度在4%以内,逐日之间变幅在1%左右。深圳是个典型的移民城市,春节期间由于大量人口返乡或外出旅游,总人口净减少48%。本文选择9个典型网格分析人口日变化规律:海关口岸属于早高峰型,大量的出境、出行、出游人员在早晨8时前后集中;城镇集市区属于午高峰型;商业中心区属于晚高峰型,高峰前后每小时的净流入 (出) 人员可达2万人;居民区属于午低谷型,周末与周日相比各时段人口均偏多;政府行政办公和公共服务区,周末比周日人口明显减少,春节期间减幅75%;工厂区因错峰用电,夜间4时形成人口高峰;郊野公园春节期间人数不减反增;偏僻乡镇人口日变化振幅很小;农业区在上午9时形成人口低谷,与日出而作的传统习惯相对应。</p>

[26]
卓莉,陈晋,史培军,等.基于夜间灯光数据的中国人口密度模拟[J].地理学报,2005,60(2):266~275.<p>人口密度网格化比人口密度行政单元化更接近人口的实际分布,而且是实现人口数据与其他社会经济统计数据、资源数据、环境数据复合,提高人口、资源、环境综合管理能力的重要途径之一。选用专门针对亚洲地区开发的DMSP/OLS非辐射定标夜间灯光平均强度遥感数据模拟了中国的人口密度：基于灯光强度信息模拟了灯光区内部的人口密度,基于人口&mdash;距离衰减规律和电场叠加理论模拟了灯光区外部的人口密度,是应用DMSP/OLS夜间灯光数据模拟人口密度研究的拓展和深入,研究结果与其他研究基本一致,但所需数据量较少,更适合于大尺度人口密度的快速估算,为决策提供参考依据。结果表明,DMSP/OLS夜间灯光强度数据具有实现人口以及其他社会经济数据空间网格化的巨大潜力。</p>

[27]
王磊,蔡运龙.人口密度的空间降尺度分析与模拟——以贵州猫跳河流域为例[J].地理科学进展,2011,30(5):635~640.人口调查统计以行政区划为基本单元,数据精度不能满足较高分辨率的空间结构分析,也难以在地理综合研究中与自然地理要素数据相匹配。因此,人口密度空间化成为地理学的重要研究方向之一。本文基于贵州省猫跳河流域的乡镇人口数据,采用GIS空间分析技术与统计学方法,分析了人口密度与空间因子的关系；并采用多元回归的方法建立了人口密度数据空间化模型,在GIS平台中实现了人口密度的降尺度空间化模拟。建立的多元回归模型拟合精度达到0.577,且模拟结果与实际人口数据比较线性拟合斜率接近1,效果比较理想。研究结果表明影响该地区人口密度的主导空间因子为建设用地指数、耕地指数与到道路的平均距离。

DOI

[28]
葛美玲,封志明.中国人口分布的密度分级与重心曲线特征分析[J].地理学报,2009,64(2):202~210.<p>依据2000 年全国第五次人口普查数据, 利用ArcGIS 的空间分析功能, 将人口密度图分层显示, 并形成中国人口分布图系。在此基础上, 建立人口重心曲线, 根据人口重心曲线 上点的邻近性实施人口密度再分级, 由此获得了更具空间集聚特征的人口密度图。基于人口密度分级的多圈层迭加分析表明： 随着人口密度增大, 人口分布重心逐渐由西北向东南移动, 由稀疏趋于稠密, 中国人口分布多圈层集聚特征明显。人口重心曲线表明, 人口分布总体上是从高密度向低密度分布过渡的, 其中在低密度中也有高密度地区分布, 高密度地区也有相对稀疏的地区。基于人口重心曲线的中国人口密度再分级表明, 中国人口密度可以适度划分 为9 级, 据此可以将中国人口地理分布划分为集聚核心区、高度集聚区、中度集聚区、低度 集聚区、一般过渡区、相对稀疏区、绝对稀疏区、极端稀疏区、基本无人区等9 大类型区。 统计表明, 中国3/4 以上的人口集中分布在不到1/5 的国土面积上, 半数以上的国土面积上居住着不到2%的人口, 研究结果较好地揭示了中国人口分布的空间规律性。</p>

[29]
卓莉,黄信锐,陶海燕,等.基于多智能体模型与建筑物信息的高空间分辨率人口分布模拟[J].地理研究,2014,33(3):520~531.自上而下的人口分布模拟模型自动化程度较低，难以分析人口分布成因，且因精细尺度的人口样本较难获取而不太适用于高空间分辨率人口分布模拟。提出了一种基于多智能体模型和建筑物信息的高空间分辨率人口分布模拟模型。首先利用建筑物三维分布数据提取住宅建筑，构建智能体人口分布模拟模型的环境；然后基于统计、调研数据定义智能体属性，确定智能体居住选择行为规则；最后以泰日社区为例进行了居住人口分布仿真模拟。研究结果表明，基于建筑物信息的人口分布多智能体模型，可以获取每栋建筑物上的人口，改进了当前高分辨率人口模拟主要只模拟小区或者居委会人口的不足；多智能体模型具有较高的自动化程度，不仅能获得较好的模拟结果，而且可在一定程度上从微观机理解释宏观居住分布模式，是对传统统计模型的有益补充。

DOI

[30]
冯健. 杭州市人口密度空间分布及其演化的模型研究[J].地理研究,2002,21(5):635~646.基于四次人口普查数据,本文探讨了杭州城市人口密度的空间分布及其演化规律.首先提取了不同 年份城市人口密度的空间分布数据;然后根据人口分布的曲线特征对各种可能出现的数学模型进行拟合、比较,发现杭州市的人口分布服从Clark模型的修正形 式--加幂指数模型;借助模型参数进行城市增长及其空间动力学分析,发现反映信息熵的约束参数波动升高、渐次逼近于1,从而揭示:改革开放以来,随着城市 演化过程中自组织能力的加强以及郊区化的发展,城市空间复杂性程度增高,城市内各功能单元的效用增强,城市的空间结构进一步趋向新的有序状态.本文借助前 沿科学思想及郊区化理论,尝试提出一个分析城市人口时空变化规律的完整范例,对城市规划和管理工作也具借鉴意义.

DOI

[31]
冯健,周一星.近20年来北京都市区人口增长与分布[J].地理学报,2003,58(6):904~916.利用第5次人口普查数据,研究 1982~2000年北京都市区人口增长与分布规律。首先分析都市区人口增长特征,并提炼不同阶段人口增长的空间模型,发现:开始于20世纪80年代的人 口郊区化,在90年代幅度加大;80年代北京都市区人口空间增长过程的相似性大于差异性,整体上呈现出一定的同质性特点;而90年代则差异性大于相似性, 异质性特征日渐突出。继而,通过数学模型的回归研究北京都市区人口分布及空间结构的演化趋势。单核心模型的回归表明,Clark模型在拟合北京城市人口分 布方面占据优势,而Smeed模型拟合都市区人口分布的效果更好,参数变化说明当前郊区化的主体仍属“近郊化”。多核心模型的回归表明,1990年都市区 双中心结构刚刚发育,2000年多核心结构比较明显但并不成熟;主要的次中心在影响人口分布方面起到重要作用。近20年来,基于人口分布的北京都市区空间 结构渐趋复杂。

DOI

[32]
朱传耿,顾朝林,马荣华,等.中国流动人口的影响要素与空间分布[J].地理学报,2001,56(5):549~560.利用公安部1996年流动人口统计数据,对中国流动人口的影响要素和空间分布进行了分析和研究。首先,从城市角度分析中国流动人口的“拉力”要素发现流动人口规模与经济增长要素、投资要素相关显著,与社会发展要素、消费要素相关不显著;其次,运用GIS技术与空间相关分析的综合集成方法,对中国流动人口的空间分布进行研究,结果表明中国流动人口分布存在着突出的城乡“二元”结构、东中西“3带、5区”的空间格局。

DOI

[33]
国家统计局.第五次人口普查乡、镇、街道数据[DB/OL]..

[34]
国家统计局.中国2010年人口普查分乡、镇、街道资料[M].北京:中国统计出版社,2013.

[35]
Oliver M A.Kriging:a method of interpolation for geographical information systems[J].International Journal of Geographic Information Systems,1990,(4):313-332.

[36]
马晓冬,朱传耿,马荣华,等.苏州地区城镇扩展的空间格局及其演化分析[J].地理学报,2008,63(4):405~416.lt;p>基于苏州地区1984-2005 年的6 个时相卫星遥感数据, 从城镇实体地域扩展的视角, 运用关联分维数、全局和局域空间关联指数、空间变差函数等方法构建了空间关联测度模型, 分析了苏州地区城镇扩展的周期性、城镇建设用地的分维特征、城镇扩展的&ldquo;热点区&rdquo;空间 分布及演化, 城市化空间梯度的形态演化。结果表明, 20 世纪80 年代以来, 苏州地区的城 镇扩展经历了稳步增长、缓速下降、急速增长和快速下降四个阶段, 显示出&ldquo;大起大落&rdquo;的 特征; 在空间格局上, 城镇扩展强度的高值簇区(热点区) 呈现出较明显空间演化和跃迁的特 征, 经历了苏州市区、苏州&mdash;吴江轴线、苏州&mdash;昆山轴线(沿沪宁线)、太仓&mdash;常熟&mdash;张家港 轴线(沿长江) 的不断轮换, 并成为不同阶段驱动苏州地区社会经济发展的核心区。期间, 城 镇扩展的空间连续性和自组织性越来越强, 城市化发展的空间形态由相对分散向相对集中演 化, 由空间自相关引起的结构化分异的机理越来越显著, 并且表现出较明显的带状关联特征, 城市区域化发展的趋势明显。然而, 在苏州地区不同的发展阶段, 城镇发展的主导驱动机制 有所不同。</p>

DOI

[37]
靳诚,陆玉麒.基于空间变差函数的长江三角洲经济发展差异演变研究[J].地理科学,2011,31(11):1329~1334.以长江三角洲为例,运用空间变差函数分析了1978年、1988年、1998年和2008年4个时间断面的发展差异演化。研究发现①长江三角洲经济发展空间关联效应的作用范围在不断地扩大,长江三角洲地区的经济发展受上海的辐射作用不断地增强;②经济发展的空间自组织性越来越强,空间经济分布差异明显;③在全方向上的均质程度越来越低,更多的差异体现在中观、宏观尺度,而微观尺度上空间差异变的越来越不明显;④东南—西北方向差异最大,东西方向的经济发展相对均衡。将长江三角洲发展差异演化因素归结为3个方面历史基础、经济区位和区域发展政策。历史基础、经济区位是区域经济格局演化的内在因素,而区域发展政策则是区域经济格局演化的外在推力。

[38]
张志斌,潘晶,李小虎.近30年来兰州市人口密度空间演变及其形成机制[J].地理科学,2013,33(1):36~44.lt;p>以街区层面的人口统计数据为基础,综合应用ArcGIS 和GS+Version7 软件对近30 a 来兰州市人口密度空间演变进行分析.结果表明：1982~2009 年,随着空间距离的增加,人口密度的正相关性逐渐削弱,负相关性逐渐增强.人口密度总体上呈不断增大的趋势,人口分布不均衡性和聚集性逐年增强,整体呈现出东高西低格局,以城关区和西固区为增长顶点形成&ldquo;双核心&rdquo;空间结构.高密度人口分布偏东,主要集中在城关区和七里河区.人口重心级别不同,所在街区面积不同,高人口密度街区面积小,低人口密度街区面积大.其形成机制主要缘于自然因素、历史因素、政策因素和经济因素等方面.</p>

Options
文章导航

/

〈 〉