EN中文

GEOGRAPHICAL RESEARCH >

2022 , Vol. 41 >Issue 5: 1245 - 1261

DOI: https://doi.org/10.11821/dlyj020210479

Articles

Spatio-temporal evolution and driving factors of Chinese population at town level

  • YIN Xu , 1, 2 ,
  • WANG Jing 3 ,
  • LI Yurui , 1, 2, 4 ,
  • FENG Zhiming 1, 2 ,
  • QI Wei 1, 2, 4
Expand
  • 1. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Institute of Management, Beijing Academy of Social Sciences, Beijing 100101, China
  • 4. Key Laboratory of Regional Sustainable Development Modeling, CAS, Beijing 100101, China

Received date: 2021-06-08

  Accepted date: 2021-09-02

  Online published: 2022-07-10

Fold

Abstract

Research on high-resolution population evolution is of great reference for understanding, simulating, and managing the human-nature interrelationship. Town-level demographic data is the highest-resolution data publicly released by the National Bureau of Statistics of China. Therefore, it is of great significance to collect the population data of China at town level, and to carry out research on the spatiotemporal evolution and its influencing factors of Chinese population at town level. In this study, we established a spatial database of Chinese population at town level in 2010 and 2015, and then revealed its spatial and temporal pattern and influencing factors by Geographic Information System (GIS) analytical methods and Geodetector model. The results showed that: (1) In 2015, the average population of towns was 29,500, and the average population density was 374 persons/km2. Furthermore, there existed large spatial heterogeneity in China, the number of townships with a population of more than 10,000 is 781, mainly in the Yangtze River Delta and the Pearl River Delta, while the number of townships with a population of less than 5,000 is 2,498, mainly in the Qinghai-Tibet Plateau and Inner Mongolia. (2) The distribution of population and land area of townships was greatly uneven. There were 19,403 (60.81%) townships with a population density of more than 150 persons/km2, and their total population and land area accounted for 81.76% and 20.27%, respectively, which was approximately in line with “Pareto's Law”. (3) From 2010 to 2015, more than 70% towns’ population increased, by contrast, the population of more than 9,000 towns decreased, of which more than 1,600 towns experienced a population loss of more than 20%, and most of them were located in the border areas of Northeast China, Inner Mongolia and Yunnan. (4) The population distribution is comprehensively affected by physical geography (e.g., relief degree of land surface, negative effect) and socio-economic factors (e.g., night time light index and road density, positive effect), and its mechanism has obvious spatial stratified heterogeneity in different regions. This study argues that the rapid population growth or loss brings great challenges for harmonizing human-environment relationships, such as territory spatial planning, rural revitalization and national border security.

Key words： towns; population distribution; Geodetector; driving factor; China

Cite this article

YIN Xu , WANG Jing , LI Yurui , FENG Zhiming , QI Wei . Spatio-temporal evolution and driving factors of Chinese population at town level[J]. GEOGRAPHICAL RESEARCH, 2022 , 41(5) : 1245 -1261 . DOI: 10.11821/dlyj020210479

1 引言

人口是国家发展的基础和关键要素,人口集疏变化是反映区域发展状态变化的重要指示器。乡镇是中国最基层的行政机构,承载着绝大多数乡村人口和农业经济活动,是认识和刻画城乡地域系统更精细的地理尺度[1,2],也是中国新型城镇化和乡村振兴的重要尺度单元[3,4]。同时,精细的人口空间化数据对于地球系统科学研究具有基础支撑作用,可为深入开展全球气候变化、疾病风险评估和防灾减灾研究等提供高精度的人口数据支撑[5⇓-7]。乡镇（街道）级人口数据是当前中国公开发布的最小尺度的人口数据,分乡镇控制输入是建立精细尺度人口空间数据库的重要途径[8,9]。
受数据可获得性的限制,当前关于中国人口分布的研究大多集中在县域及以上的尺度[10,11]。已有的乡镇人口分布研究也大多为针对局部区域的分析,如北京市[12]、西藏自治区[13]和中国25省市等[14],全国层面的乡镇人口分布研究较为薄弱。从全国层面探究乡镇尺度人口分布与增减情况并探讨其影响因素,对于更精细地认识人口和社会经济发展态势具有重要价值,对于理解、模拟和调控人地系统也具有积极意义。
学界前期开展的人口分布格局及其影响因素研究可为本研究提供参考借鉴。在人口分布格局刻画方面,学界主要从人口密度、人口重心、人口内部结构和人口集疏格局等视角对人口分布状况展开研究[15⇓-17]。“胡焕庸线”被认为是中国人口地理学的经典之作,其刻画的中国人口分布宏观地理格局,至今没有发生大的改变[18,19]。关于人口分布的影响因素,在理论研究方面,Clarke[20]认为影响人口分布的因素可以分为到海岸线的距离、地形地貌、海拔高度、气候条件、生物因素、土壤因素、矿产资源、疾病与饥饿、经济活动和历史因素等10类;张善余[21]则将影响中国人口分布的主要因素归结为自然环境（地形、气候、水文和土壤、地质和矿藏资源）、经济因素（生产力发展水平产业结构和生产布局特点）和社会文化因素（历史、社会和政治因素）;刘睿文等[22]认为自然地理条件奠定了中国人口分布的基本格局,而社会经济发展的不平衡和城市化是人口集聚的驱动力。
在人口分布及其影响因素的定量实证分析方面,Wang等[23]采用地形起伏度、植被指数、多年平均温度、多年平均降水、单位面积水资源量与单位面积粮食产量等6个自然环境指标和初始人口密度、经济密度、交通密度、电话密度与床位密度等5个社会经济指标,采用偏最小二乘法模型对2000—2010年中国分县人口密度变化的驱动机制进行了定量分析;柏中强等[14]选取地形起伏度、水网密度、路网密度和夜间灯光指数,采用相关性分析和多元线性回归模型探究了2000年中国25省乡镇级人口密度的影响因素;吕晨等[24]选取适宜建设用地面积、地形起伏度、坡度、海拔高程和河网密度等自然因素,采用地理探测器方法分析了2000年和2010年北京市乡镇人口变化的作用机制;王超等[13]从地形地貌、气候、植被覆盖、土地利用、河流、道路和经济发展等7个方面选取自变量,采用多元线性回归和随机森林方法探讨了2010年西藏人口分布的影响因素。总体来看,自然地理要素主要考虑了地形、水文、植被、气候等[25,26],社会经济要素主要考虑了经济水平、交通和公共服务等[27,28],应用的模型主要有多元回归模型[14]、结构方程模型[29]、地理探测器等[24,30]。
本文旨在建立2010年和2015年中国乡镇尺度的人口数据库,制作覆盖中国31个省级行政单元的乡镇人口空间分布图,利用GIS空间分析和数理统计方法分析乡镇人口数量、人口密度和人口时空演变的基本特征,然后从自然地理和社会经济等方面选取指标,结合地理探测器分析乡镇人口密度分布与变化的影响因素,并讨论乡镇人口变化对相关政策的启示,以期增进对新时期乡村人口分布与变化的科学认知。

2 数据与方法

2.1 数据来源与处理

本研究主要用到人口和社会经济统计数据、地理空间数据。2010年和2015年两期常住人口数据分别来自《中国2010年人口普查分乡、镇、街道资料》[31]和《中国县域统计年鉴(乡镇卷)-2016》[32]。2010年的人口普查数据精度较高,含43488个乡镇、街道;2015年人口数据含32617个乡镇,可以反映“十二五”期间就近城镇化、人口生育政策转变等政策影响下的人口变化。该数据的具体处理步骤如下：① 两期人口数据的对接。中国的乡镇行政边界是中国整个行政区划中变化最为剧烈的,2010—2015年间存在大量的撤乡设镇、改名并迁等,为确保数据的准确性,本研究从中国民政部、国家统计局、行政区划网和百度百科等网站收集该时段的行政区划变动信息,以对两期数据进行人工校正,实现了2010年和2015年中国乡镇人口数据的精准对接。② 人口数据的空间化。基于乡镇行政代码和名称,将对接好的两期人口数据与乡镇矢量行政边界进行关联,并对少部分关联出错的乡镇再次进行手动校正。上述数据整理过程历时近半年,最终共获取两期人口空间化数据31909条（未包括各类经济开发区、国营农场牧场、新疆生产建设兵团等特殊行政单位）。
本研究涉及的地理空间数据包括栅格数据和矢量数据。降水（2010年）、积温（1995年）、夜间灯光（2010年）、农田生产潜力（2010年）、侵蚀度（1995年）、净第一生产力（NPP,2010年）等栅格数据以及乡镇街道行政边界矢量数据（2015年）来自中国科学院资源环境科学数据中心（ https://www.resdc.cn/）。地形起伏度数据来源于全球变化科学研究数据出版系统[33]。交通路网数据（2010年）来自中国1:250000电子地图数据矢量化。数据的具体处理过程为：① 对于地形起伏度、降水、积温、农田生产潜力、侵蚀度、净第一生产力等自然地理数据,采用ArcGIS软件中的“Zonal statistics as table”工具统计每个乡镇行政区内部的平均值。② 夜间灯光数据则统计了每个乡镇的灯光总量（强度）,而交通路网则首先裁剪获取了每个乡镇的交通路网,然后用每个乡镇的路网总里程除以该乡镇的土地面积得到路网密度。

2.2 研究方法

2.2.1 基于人口-土地基尼系数和人口集聚度刻画人口集聚特征

采用基尼系数定量揭示中国乡镇人口-土地分布的不均衡性。基尼系数是根据洛伦兹曲线原理计算的一个从总体上衡量一定范围（国家或地区）内居民收入分配不均等程度的相对量统计指标,其值域在0~1,值越大表示收入分配越不均衡[34]。人口-土地基尼系数反映了人口分布的不均衡程度,计算公式为假定样本土地面积可以分为n组,设Wi、mi、Pi分别代表第i组的人口比例、人口密度和土地比例（i=1,2,…,n）,对全部样本按人口密度（mi）由小到大排序后,人口-土地基尼系数（G）可用如下公式表示：
G = 1 - ∑ 1 n P i ( 2 Q i - W i )
式中：G表示人口-土地基尼系数;Qi表示累积人口比例;Pi表示土地比例;Wi表示人口比例。
人口集聚度是指某一地区人口相对于全区域人口的区域集聚程度,可以用某一地区相对于全区域1%土地面积上的人口所占全区域人口的比例来表达（%）,一般以小数表示[34]。计算公式为：
J J D I = P i / A i × A n 100 / P n = D i D n / 100
式中：JJDi表示第i个乡镇的人口集聚度;Pi表示第i个乡镇的人口数量（人）;Ai表示各乡镇的土地面积（km2）;Pn表示全国的人口总数（人）;An表示全国的土地面积（km2）;Di表示各乡镇的人口密度（人/km2）;Dn表示全国的人口密度（人/km2）。

2.2.2 基于探索性空间数据分析方法揭示人口变化特征

基于ArcGIS空间分析与制图功能进行人口数量分布、密度分布、演变特征的制图及相关的空间数据处理。选用探索性空间分析方法进行人口空间分布集聚性的定量检验。该方法是对某一区域内不同空间位置的特定属性值集聚相关程度的度量[35],可分为全局自相关和局部自相关。全局空间自相关用来表征属性值在区域总体的空间相关度,以Global Moran's I最为常用,本文亦采用该指标。Global Moran's I取值范围在[0, 1]之间,大于0表示空间正相关,等于0表示不相关,小于0表示负相关,并且I的绝对值越大表示空间上的相关性越强。局部空间自相关可以弥补全局空间自相关不能测度区域内集聚位置和各空间单元局部关联程度的缺点,常用Local Moran's I指数来表示,并可通过局部空间自相关图揭示集聚特征的空间格局。由于探索性空间数据分析方法已得到了广泛应用,具体公式不做赘述。
2.2.3 基于地理探测器分析人口空间分布的影响因素 地理探测器（Geodetector）是探测空间异质性,以及揭示其背后驱动因子的一种统计学方法[36]。由于地理探测器 q值具有明确的物理意义,不需要进行线性假设从而避免了多变量共线性的问题,可以客观地探测自变量能够在多大程度解释因变量,该方法已经被广泛应用于自然和社会科学研究中。其计算公式如下[36]：
q = 1 - 1 n σ 2 ∑ i = 1 m n i σ 2 i
式中：q表示解释变量影响力探测指标;ni表示次一级区域样本数;n表示全国样本数;m表示次级区域个数;整个区域σ2表示被解释变量的方差;σ2i表示次级区域的方差。其中,q的值域为[0, 1],当q=0时,表示该因素对被解释变量没有影响,q的值越大,表示该因素对被解释变量的影响越大。
关于影响因素的选取。参考已有研究[30,37⇓ -39],并结合乡镇层面数据的可得性,分别以乡镇人口密度和变化率为解释对象,从自然地理要素和社会经济要素两个方面对乡镇人口分布进行影响因素分析。自然地理要素奠定了人口分布的基础[21],根据地貌、水文、气候、生物和土壤等的基本要素组成[40],选择地形起伏度反映地貌条件,年均降水量、>10°C积温反映水文和气候条件,NPP反映植被生态条件,农田生产潜力和土壤侵蚀度反映地表土壤适宜情况。社会经济发展水平是影响人口再分布的决定性因素,但限于乡镇级社会经济数据的可获得性,采用夜间灯光指数反映社会经济发展水平,路网密度数据代表交通便利程度[13,14]。各影响因素之间可能存在复杂的耦合机制进而产生共线性问题,地理探测器模型可以有效避免共线性问题[36]。

3 结果与分析

3.1 乡镇人口数量分布格局

乡镇尺度的人口数量分布呈现出明显的区域差异性（图1）。2015年乡镇人口规模平均数为2.95万人,中位数为2.21万人。基于2010年乡镇（街道）的人口数量分析表明,胡焕庸线的东南半壁和西北半壁人口占比分别为93.86%和6.14%,与戚伟等[37]基于2010年分县人口数据得到94:6的比例近乎一致,乡镇尺度人口分布再次显示出“胡焕庸线”的高度稳定性。人口较多的乡镇（>10万人）主要分布在胡焕庸线东南半壁的平原和河流中下游,如黄淮海平原、长三角和珠三角等地区（图1a2,图1b2）。2010年和2015年,人口超过10万人的乡镇分别为667和781个,约占总数的2.09%和2.45%;其中大于20万人的“特大镇”分别有86和113个,占总数的0.27%和0.35%,主要集中在长三角和珠三角,按照中国的城市规模划分标准,这些特大镇具备成为小城市的潜力。人口较少的乡镇（<5000人）主要分布在青藏高原和内蒙古北部边境地区（图1a1,图1b1）。2010年和2015年,人口少于5000人的乡镇数量分别为2801和2498个,约占总数的8.78%和7.83%,其中小于1000人的乡镇数量为94和75个,仅占总数的0.29%和0.24%,多位于青藏高原和边境地区。总体地,2010—2015年人口规模大的乡镇数量在增加,人口规模小的乡镇数量在下降。
图1 2010年和2015年中国乡镇人口数量分布

注：该图基于自然资源部地图技术审查中心标准地图（审图号：GS(2019)1819号）绘制,底图无修改;A图包含了街道的数据,乡镇单元为41272个,其余各图均为不包含街道的乡镇共计31909个。

Fig. 1 Spatial distribution of town-level population in China in 2010 and 2015

3.2 乡镇人口密度分布格局

中国乡镇的人口-土地分布极不均衡,2010年中国乡镇（街道）人口基尼系数和人口集聚度分别为0.82和14.48,均大于2010年县域尺度下的0.77和2.98[34],相比于分县尺度,中国乡镇人口分布表现出了更大的不均衡性。进一步,统计各人口密度分级范围内的人口和土地面积及其占比发现（表1）,不同分级的人口和土地面积占比明显失衡。人口密度低于1人/km2的乡镇其人口总量占比不到0.1%,而土地面积占比却超过25%;人口密度高于1000人/km2的乡镇其人口占比在15%左右,而土地面积占比却不到1%;人口密度大于150人/km2的19403个乡镇（60.81%）,人口总量占比为81.76%,国土面积占比为20.27%,近似符合“二八定律”。
表1 2010年和2015年中国乡镇人口的密度分级

Tab. 1 Classification of town-level population density in China in 2010 and 2015

人口密度
(人/km2)		 乡镇个数 总人口(万人) 人口占比(%) 面积(万km2) 面积占比(%)
2010年 2015年 2010年 2015年 2010年 2015年 2010年 2015年 2010年 2015年
0~1 293 276 78.69 72.09 0.09 0.08 232.50 224.42 26.70 25.77
1~25 2616 2498 1753.99 1738.51 2.02 1.84 259.03 264.85 29.75 30.41
25~50 2315 2114 2441.79 2373.42 2.82 2.52 66.03 63.92 7.58 7.34
50~100 4560 4216 6783.73 6363.06 7.83 6.75 92.54 86.76 10.63 9.96
100~200 6230 6036 12755.90 12799.87 14.72 13.58 89.48 89.77 10.28 10.31
200~400 7197 7007 20890.85 20932.21 24.10 22.20 72.90 73.25 8.37 8.41
400~500 2433 2517 8649.39 9389.87 9.98 9.96 19.37 20.99 2.22 2.41
500~1000 4881 5497 21269.01 25420.62 24.54 26.97 32.27 38.13 3.71 4.38
>1000 1384 1748 12050.93 15178.55 13.90 16.10 6.68 8.72 0.77 1.00
乡镇人口密度图可更直观地展示中国人口分布格局（图2,见第1251页）。2015年,乡镇人口密度的均值为374人/km2,中位数为219人/km2。2010年和2015年人口密度在500人/km2以上的乡镇基本都位于胡焕庸线东南半壁,人口密度高于1000人/km2的乡镇主要分布在东北平原、黄淮海平原、汾水河谷、关中平原、四川盆地、长三角、潮汕地区、珠三角等区域（图2a2,图2b2）,而人口密度小于1人/km2的乡镇主要位于胡焕庸线西北半壁的青藏高原、新疆和内蒙古高原（图2a1,图2b1）。从人口密度的乡镇分布频次来看（表1）,人口密度在（100~200）人/km2的乡镇数量最多,2010年和2015年分别为6230个和6036个,约占总数的19.52%和18.92%;人口密度小于1人/km2的乡镇数量最少,2010年和2015年分别为293个和276个,约占总数的0.92%和0.86%,主要分布在青藏高原、塔克拉玛干沙漠、内蒙古高原北部等自然条件相对恶劣的区域。
图2 2010年和2015年中国乡镇人口密度分布

注：该图基于自然资源部地图技术审查中心标准地图（审图号：GS(2019)1819号）绘制,底图无修改;A图包含了街道的数据,乡镇单元为41272个,其余各图均为不包含街道的乡镇共计31909个。

Fig. 2 Map of town-level population density in China in 2010 and 2015

3.3 乡镇人口时空变化格局

3.3.1 乡镇人口增减变化

2010—2015年超过70%的乡镇人口在增长,而人口流失严重的乡镇以边境地区最为突出。从空间分布上来看（图3,见第1252页）,人口增加区大多集中在东南沿海地区,而内蒙古和东北的边境地区人口减少最为明显。从变化率分组情况看,人口增长的乡镇数量为22636个,占总数的70.94%,其中增幅在0~20%的乡镇数量最多,为16291个,占总数的51.05%。人口减少的乡镇有9273个,占全国总数的29.06%,其中1684个乡镇（5.28%）的人口减幅超过20%,主要分布在东北、内蒙古和云南边境地区;446个乡镇（1.40%）的人口减少超过40%,近一半分布在边境地区。边境乡镇是国防安全的第一线,需关注边境乡镇人口流失情况,加强边境地区的小城镇建设,提高其稳定人口和集聚人口的能力。
图3 2010—2015年中国乡镇人口变化率

注：该图基于自然资源部地图技术审查中心标准地图（审图号：GS(2019)1819号）绘制,底图无修改。

Fig. 3 Map of town-level population change rate in China from 2010 to 2015

3.3.2 乡镇人口变化的空间自相关分析

基于GeoDa软件进行乡镇人口变化的探索性空间分析,揭示乡镇人口增减的空间集聚特征。首先,生成空间权重矩阵,并得到乡镇常住人口变化率莫兰指数散点图。全局Moran's I为0.233（P<0.01）,表明中国乡镇人口变化率在空间分布上存在显著的正自相关关系,呈现空间集聚状态。空间联系的局部指标（LISA）可以具体表征空间单元的集聚、离散类型与分布。利用单因素局部莫兰指数工具生成LISA图（图4见第1252页）。“高-高”聚集区反映的是人口连片大幅增长区,以陕北的榆林和延安,青海的玉树,豫皖交界的河南周口、信阳和安徽的阜阳、六安,江苏北部的淮安和盐城,浙江的衢州、台州和金华,广西的南宁、来宾和钦州等最为明显;与此相反,“低-低”聚集区则表征的是人口减少的集中连片区,以黑龙江的大兴安岭、齐齐哈尔和绥化,中朝边境吉林的延边,四川东部地区的资阳和德阳,云南南部边境的西双版纳地区表现较为突出。
图4 2010—2015年中国乡镇人口变化率LISA集聚特征

注：该图基于自然资源部地图技术审查中心标准地图（审图号：GS(2019)1819号）绘制,底图无修改;图例中无邻接的空间单元主要为一些沿海岛屿。

Fig. 4 LISA map of town-level population change rate in China from 2010 to 2015

3.3.3 乡镇人口变化的类型划分

结合全国乡镇人口总体的平均值、标准差及数据分布特征,从2010年乡镇人口密度和2010—2015年乡镇人口增长率两种类型,经二者耦合得到中国乡镇人口和变化幅度共9种组合类型（表2,见第1253页）。在ArcGIS中对这9种组合类型进行空间化制图显示,得到2010—2015年中国乡镇人口变化类型分布图（图5,见第 1253页）。
表2 2010年和2015年中国乡镇人口密度与增长类型的耦合特征

Tab. 2 Coupling characteristics of town-level population density and growth types in China

人口密度
(人/km2)		 负向增长(<0)
(乡镇个数,占比)		 稳定增长(0~25%)
(乡镇个数,占比)		 快速增长(>25%)
(乡镇个数,占比)
低密度(<100) 低密度负向增长(2713, 8.50) 低密度稳定增长(5092, 15.96) 低密度快速增长(1979, 6.20)
中密度(100~500) 中密度负向增长(4452, 13.95) 中密度稳定增长(8062, 25.27) 中密度快速增长(3346, 10.49)
高密度(>500) 高密度负向增长(2108, 6.61) 高密度稳定增长(3137, 9.83) 高密度快速增长(1020, 3.20)

from 2010 to 2015

图5 2010—2015年中国乡镇人口变化类型划分

注：该图基于自然资源部地图技术审查中心标准地图（审图号：GS(2019)1819号）绘制,底图无修改。

Fig. 5 Type of town-level population change in China from 2010 to 2015

人口低密度地区主要集中在胡焕庸线西北半壁,以及东部的高原、山地和丘陵地区等（图5a,见第1253页）。其中,低密度负向增长的乡镇有2713个（8.50%）,集中分布在内蒙古北部边疆地区,东北的北部和东部边境地区;低密度稳定增长的乡镇有5092个（15.96%）,集中分布在青藏高原、新疆以及东南丘陵山区;低密度快速增长的乡镇有1979个（6.20%）,集中分布在青海玉树、蒙陕宁交界地带以及闽浙丘陵山区等。
人口中密度地区主要分布在东北平原、山东半岛、长江中下游平原、四川盆地、云贵高原、两广地区等（图5b）。中密度负向增长的乡镇有4452个（13.95%）,集中分布在四川东部,湖北中部、黑龙江的齐齐哈尔等;中密度稳定增长的乡镇8062个（25.27%）,为9种类型占比最高,分布在东北平原、山东半岛、长江中下游平原、云贵高原、两广地区;中密度快速增长型乡镇3346个（10.49%）,集中在淮河中下游、浙江东部沿海、广西中部和南部等。
人口高密度地区主要集中在太行山东麓、黄淮海地区鲁豫皖交界处、四川盆地、长江三角洲、珠江三角洲、潮汕地区等（图5c）。其中,高密度负向增长型乡镇有2108个（6.61%）,集中在太行山东麓、河南东部、四川东部、长三角和珠三角外围地区等;高密度稳定增长型乡镇有3137个（9.83%）,基本和人口高密度地区分布一致;高密度快速增长的乡镇有1020个（3.20%）,以河南周口、安徽阜阳分布最为集中。
从人口密度和增长速度的耦合分析来看,应重点关注快速增长的3种类型和低密度负向增长型。2010—2015年,快速增长类的人口增幅超过25%,数量上占全国乡镇总数的近20%。人口快速增长对当地资源环境承载力提出了较高要求,特别是在生态脆弱区,可能引起人地关系失衡,导致生态环境退化。低密度负向增长型主要集中在北部和东北边境地区,此类地区事关国防安全,2010—2015年人口仍在减少,未来应予高度关注。

3.4 乡镇人口分布的影响因素

人口密度的空间分布受到自然和社会经济等因素的综合作用。首先,运用Pearson相关分析得到2010年人口密度、2015年人口密度和2010—2015年人口变化率与8个影响因子的相关系数图（图6）。地形起伏度、侵蚀度和NPP与人口密度呈现显著负相关,其中地形起伏度的负相关性最强;其他影响因子均为正相关,其中路网密度和夜光指数相关系数最大;各影响因子与2010—2015年人口变化率的相关性较弱,相关系数介于-0.1~0.1,表明人口变化率的影响机制更为复杂,目前关注的影响因素还难以较好地解释大尺度乡镇人口变化的影响机制。
图6 2010—2015年中国乡镇人口密度及变化率与影响因素相关系数

注：相关系数检验均为显著正（负）相关（P<0.01）。

Fig. 6 Pearson correlation coefficient of town-level population density, population change rate and influencing factors in China from 2010 to 2015

进一步,基于地理探测器分析乡镇人口分布的影响因素（表3）。地理探测器对2010年和2015年人口密度的影响因素探测效果较好（q值均较高）,均通过了显著性检验,而对2010—2015年乡镇人口变化率的探测效果相对较差（q值均较低）,这与相关系数分析的结果基本一致。从影响因子大小来看,人口密度影响力排名前三位的为路网密度、夜光指数和地形起伏度,表明乡镇人口分布受到社会经济因素和自然地理因素的综合影响。
表3 2010—2015年中国乡镇人口密度及变化率影响因子探测结果

Tab. 3 Detection results of town-level population density and change rate in China from 2010 to 2015

影响因子 降水 >10°积温 夜光指数 地形起伏度 农田生产潜力 侵蚀度 路网密度 NPP
2010人口密度 0.010** 0.050** 0.435** 0.103** 0.053** 0.023** 0.472** 0.008**
2015人口密度 0.012** 0.054** 0.376** 0.102** 0.056** 0.025** 0.477** 0.007**
人口密度变化率 0.011** 0.006** 0.003 0.001 0.001 0.003 0.002 0.006**

注：**表示0.01水平上显著相关。

考虑到2010年和2015年人口密度的影响因素差别不大,而且2010年又是人口普查年,由此重点分析2010年人口密度的影响机制及其空间异质性（表4）。全国层面选取的8个指标均通过了p<0.01的显著性检验。分地理大区来看,人口分布仍以社会经济因素（夜光指数和路网密度）影响为主。但从自然地理要素来看,不同地理分区差异较大：东北地区的人口分布受土壤侵蚀度影响较大,可能是土壤侵蚀度通过对农业生产进而影响到人口分布;东部地区的人口分布受到净第一生产力（NPP）影响较大,说明地被覆盖类型的差异对东部地区人口分布影响较大;中部地区受地形起伏度影响较大,一二三级阶梯过渡带造成的较大地形起伏度变化对中部地区人口分布作用较大;西部地区则是受农田生产潜力影响较大,这与西部地区人口高度集中在粮食生产区的河谷地带有关。
表4 2010年中国四大地理区域乡镇人口密度分布的影响因子探测

Tab. 4 Detection results of town-level population density in four geographical regions of China in 2010

降水 >10°C积温 夜光指数 地形起伏度 农田生产潜力 侵蚀度 路网密度 NPP
全国 0.010** 0.050** 0.435** 0.103** 0.053** 0.023** 0.472** 0.008**
东北 0.003 0.045** 0.473** 0.027** 0.011** 0.073** 0.374** 0.048**
东部 0.077** 0.043** 0.569** 0.102** 0.018** 0.012** 0.432** 0.243**
中部 0.031** 0.007** 0.449** 0.114** 0.060** 0.014** 0.410** 0.051**
西部 0.021** 0.046** 0.373** 0.066** 0.081** 0.019** 0.670** 0.019**

注：**表示在0.01水平上显著相关。

最后,从省级尺度对2010年乡镇人口分布的影响因素进行异质性分析（图7）：① 社会经济要素方面,夜光指数和路网密度在人口稀疏且分布高度不平衡的省份探测系数较高,其中夜光指数在蒙、甘、黔、青、藏等经济发展滞后、城镇化率较低但人口高度集中于大城市的省份解释度较高,这也说明了夜光指数在一些研究中被作为经济发展和城镇化水平替代变量的合理性[13]。路网密度对一些较高依赖基础设施建设的省份解释更大,如蒙、疆、渝、津等,这些省份交通基础设施区域差异很大,因此人口更多沿着交通干线分布,交通路网在这些地区具有更高的解释力。相反,社会经济要素对中东部省份尤其是华北、华中等传统的人口密集地区的探测系数相对较低。② 自然地理要素方面,q值较高的省份多为省内自然地理要素差异较大的地区,如陕西自然地理分异明显,降水、积温、地形起伏度、农田生产潜力和侵蚀度等指标和人口密度的探测系数均较高。对于省内综合自然地理要素较为单一的省份,其在自然地理指标方面的q值均处于较低水平,如西藏整体以“高寒”为主要自然地理特征、江苏整体以平原为主,省区内的人口分布受自然地理要素的影响相对较小,相对应体现的q值探测系数也较低。就单个影响因子来看,降水在1600 mm、800 mm、400 mm等降水量线穿过较多的省份如闽、宁、陕等省份解释力更高,积温在陕、冀、青等省内气候差异较大的省份解释力更高,地形起伏度在粤、浙等地形复杂的省份解释力更高,粮食生产潜力在耕地分布高度集中的陕、青、浙等省份解释力更高,侵蚀度在北方耕地类型复杂的省份解释力更高,而NPP则在中东部地表覆被复杂的省份解释力更高。
图7 2010年中国31个省级行政区乡镇人口密度的影响因子探测结果

注：该图基于自然资源部地图技术审查中心标准地图（审图号：GS(2019)1819号）绘制,底图无修改。

Fig. 7 Detection results of town-level population density in 31 provincial-level regions of China in 2010

4 讨论

4.1 边际贡献与政策启示

（1）高精度的人口统计数据可为制作精细化人口格网数据提供支撑。人口统计数据的尺度越小、精度越高,基于其形成的人口格网数据自然精度更高,也更有助于提升人地系统模拟模型的精度[41,42]。胡焕庸[43]指出,“制作精密之人口地图,必须备有各县分乡人口统计,及分乡区划地图”。因此,整理目前中国人口统计最精细的乡镇（街道）级别的人口数据是制作中国高精度人口密度图的必要条件[9]。当前主流的全球人口格网数据集（如WorldPop和LandScan）和中国区域的公里格网人口分布数据集均是基于中国县级及以上的统计数据制作,精度仍有待提升。本研究的重要贡献之一是系统地整理了中国2010年乡镇（街道）人口普查数据和2015年乡镇人口统计数据,并结合中国乡镇（街道）矢量行政边界数据完成了人口统计数据的空间化,实现了中国2010—2015年乡镇人口密度制图,这可为需要人口数据作为输入的人地系统模拟等提供更为精细的数据支撑。
（2）编制国土空间规划时应充分考虑乡镇人口变化及其影响机制。国土空间规划是对综合地理格局进行动态优化的重要途径[44],“多规合一”和“以人为本”是新一轮国土空间规划编制的重要理念[45]。本研究发现,2010—2015年中国近30%的乡镇人口减少,1684个乡镇（5.28%）的人口减幅超过20%,这意味着规划编制将逐渐从以往的增量规划到新时期的存量规划的转型。对于人口减少的乡镇,要严控土地供给总量,限制建设用地无序扩张,提高土地集约利用水平;对于人口增长较快并还有一定增长潜力和承载潜力的乡镇,要在划定城镇开发边界时留有一定空间,协调好生产、生活和生态空间,以适应人口变化的趋势。此外,国土空间规划还要注重体现地域特色。资源环境承载力评价和国土空间开发适宜性评价（简称“双评价”）是进行国土空间规划编制的科学基础和约束条件[46],本研究发现同一自然地理要素对不同地区人口分布的影响的差异较大,因此在进行“双评价”时要更加体现对不同区域自然本底的侧重,如广东和浙江的人口分布受地形影响较大,在进行国土空间规划时需更多注重土地资源承载力的影响,而陕西和宁夏的人口分布受降水影响较大,则需要更加注重水资源承载力方面的影响。
（3）全面推进乡村振兴和实施乡村建设行动时应充分考量乡村人口变化的不确定性。党的“十九大”提出实施乡村振兴战略,十九届五中全会提出“实施乡村建设行动”,2021年中央“一号文件”提出“把全面推进乡村振兴作为实现中华民族伟大复兴的一项重大任务”。乡村功能和发展主体的多样性决定了对乡村建设与振兴需求的多样性[4]。部分乡镇人口快速减少、空心化加剧,大规模建设容易造成浪费;部分乡村“未富先老”的问题突出,对养老设施、养老服务提出了更高要求;部分乡村人口返乡创业,需要优化营商环境,并为其就业、创业、就医及子女入学等提供更多的条件保障;一些乡村的旅游业兴起,外来游客剧增,需要良好的基础设施、乡村风貌,才能持续提升旅游服务和体验。在乡村人口数量从线性增长到有增有减的转变阶段,准确把握具体乡村未来人口数量、结构和需求变化趋势的难度加大。应充分考量乡村人口变化的不确定性,精准识别和有效兼顾各类人口的差别化需求,做到因地制宜、分类推进。

4.2 乡镇人口空间分布异质性的影响机制

已有研究多表明乡镇人口分布是自然地理要素和社会经济要素共同作用的结果[20⇓⇓-23],本研究表明社会经济要素相对于自然地理要素对中国乡镇人口分布的解释力更强,而自然地理要素中的地形起伏度、侵蚀度和NPP等3个影响因子与人口分布呈负相关关系,表现出对人口分布的制约作用,这是对已有研究的深化。进一步对中国四大地理分区和31个省级行政单元的分析表明,乡镇人口分布的影响因素存在明显的空间异质性,如地形起伏度对粤、浙、陕、闽、冀等省内地形复杂的作用强度较大,这是对封志明等[47]“东北、华北、华中和华南区地形起伏度与人口分布显著相关,内蒙古与青藏地区地形起伏度与人口分布却不存在相关性”研究结果的深化。以上研究可为人地系统模拟提供模型支撑,但具体建模时需要考虑关键要素时空变化的影响机制及其区域差异性。
限于目前数据可获得性,本研究选取的指标对2010—2015年人口变化率的影响因子探测效果不够理想,未来可以考虑更多从社会经济变化率的角度增加解释变量。当然,这有赖于乡村统计制度的持续完善和乡镇统计数据的不断丰富。此外,一些影响因素对人口分布的影响并非是单纯的线性关系,如年均降水量和温度对人口分布的影响并不是越高越好,降水量过大,温度过高,都不利于人类的正常生活。后续可采用结构方程模型、门槛效应模型等非线性模型等进行人口分布与变化的影响因素模拟。

5 结论

本研究构建了覆盖中国31个省级行政单元的2010—2015年乡镇尺度人口空间分布数据集,揭示了乡镇人口数量和密度变化格局,采用地理探测器探讨了乡镇人口密度分布和变化的影响因素,并讨论了人口非均衡变化对保障国防安全、编制国土空间规划和实施乡村振兴战略等的影响及政策启示。主要结论为：
（1）中国乡镇人口数量存在巨大差异。2015年,>50%的乡镇的人口数量超过2万人,其中>20万人的“特大镇”超过100个,主要集中在长三角和珠三角。而人口少于5000人的乡镇约占总数的8%,其中小于1000人的乡镇数量为75个,仅占总数的0.24%,主要集中在青藏高原和内蒙古北部。
（2）乡镇人口密度与土地面积分布相比县域更加不均衡。2010年中国乡镇（街道）人口的基尼系数和人口集聚度分别为0.82和14.48,相较于2010年的县域尺度下的0.77和2.98,中国乡镇人口分布表现出了更大的不均衡性。人口密度大于150人/km2的19403个乡镇（60.81%）,人口总量占比为81.76%、国土面积占比为20.27%,近似符合“二八定律”。
（3）全国乡镇人口总量有所增加,但增减变化差异较大,部分乡镇进入人口减少的转型期。2010—2015年,乡镇人口增加7593.91万,增幅为8.76%;约70%的乡镇人口增长,主要位于陕北、豫皖交界、苏北、浙西和广西中南部等;9273个（29.06%）乡镇人口减少,平均减幅13.33%,主要分布在内蒙古北部、东北地区、川渝交界和云南西双版纳等;1684个乡镇（5.28%）的减幅超过20%,主要分布在东北、内蒙古和云南的边境地区。
（4）乡镇人口分布影响因素的作用强度存在明显空间异质性。地理探测器分析表明,路网密度、夜间灯光指数和地形起伏度是人口密度分布最主要的影响因素。从四大政策板块和31个省区来看,影响因素的作用强度存在空间异质性。在多因素的综合作用下,乡镇人口变化进入新的转型期,编制国土空间规划、实施乡村振兴战略以及保障国防安全时应充分考虑这一新的变化及其影响。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对本文研究综述、整体研究框架设计、结果分析、结论梳理方面的修改意见,使本文获益匪浅。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Gu Chaolin, Li Yan, Han Sunsheng. Development and transition of small towns in rural China. Habitat International, 2015, 50(12):110-119. DOI: 10.1016/j.habitatint.2015.08.017.

DOI

[2]
李裕瑞, 尹旭. 镇域发展研究进展与展望. 经济地理, 2019, 39(7):1-8.

Li Yurui, Yin Xu. Current progress and future prospect of research in town development. Economic Geography, 2019, 39(7):1-8. ]. DOI: 10.15957/j.cnki.jjdl.2019.07. 001.

DOI

[3]
顾朝林, 管卫华, 刘合林. 中国城镇化2050: SD模型与过程模拟. 中国科学: 地球科学, 2017, 47(7):818-832.

Gu Chaolin, Guan Weihua, Liu Helin. Chinese urbanization 2050: SD Modeling and process simulation. Scientia Sinica Terrae, 2017, 47(7): 818-832. ]. DOI: 10.1007/s11430-016-9022-2.

DOI

[4]
刘彦随. 中国新时代城乡融合与乡村振兴. 地理学报, 2018, 73(4): 637-650.

DOI

Liu Yansui. Research on the urban-rural integration and rural revitalization in the new era in China. Acta Geographica Sinica, 2018, 73(4):637-650. ]. DOI: 10.118 21/dlxb201804004.

DOI

[5]
Burke M, Driscoll A, Lobell D, et al. Using satellite imagery to understand and promote sustainable development. Science, 2021, 371: eabe8628. DOI: 10.1126/science.abe8628.

DOI

[6]
Leyk Stefan, Gaughan Andrea E, Adamo Susana B, et al. The spatial allocation of population: A review of large-scale gridded population data products and their fitness for use. Earth System Science Data, 2019, 11(3):1385-1409. DOI: 10.5194/essd-11-1385-2019.

DOI

[7]
Ribeiro Haroldo, Rybski Diego, Kropp Jürgen P. Effects of changing population or density on urban carbon dioxide emissions. Nature Communications, 2019, 10(1): 3204-3209. DOI: 10.1038/s41467-019-11184-y.

DOI PMID

[8]
Bai Zhongqiang, Wang Juanle, Wang Mingming, et al. Accuracy assessment of multi-source gridded population distribution datasets in China. Sustainability, 2018, 10(5): 1363. DOI: 10.3390/su10051363.

DOI

[9]
董南, 杨小唤, 蔡红艳. 人口数据空间化研究进展. 地球信息科学学报, 2016, 18(10): 1295-1304.

DOI

Dong Nan, Yang Xiaohuan, Cai Hongyan. Research progress and perspective on the spatialization of population data. Journal of Geo-information Science, 2016, 18(10): 1295-1304. ]. DOI: 10.3724/SP.J.1047.2016.01295.

DOI

[10]
Qiao Luyin, Li Yurui, Liu Yansui, et al. The spatio-temporal change of China's net floating population at county scale from 2000 to 2010. Asia Pacific Viewpoint, 2016, 57(3):365-378. DOI: 10.1111/apv.12132.

DOI

[11]
封志明, 杨艳昭, 游珍, 等. 基于分县尺度的中国人口分布适宜度研究. 地理学报, 2014, 69(6):723-737.

DOI

Feng Zhiming, Yang Yanzhao, You Zhen, et al. Research on the suitability of population distribution at the county level in China. Acta Geographica Sinica, 2014, 69(6):723-737. ]. DOI: 10.11821/dlxb201406001.

DOI

[12]
梁昊光, 刘彦随. 北京市人口时空变化与情景预测研究. 地理学报, 2014, 69(10):1487-1495.

DOI

Liang Haoguang, Liu Yansui. Study on spatio-temporal change and simulation of population in Beijing based on census data. Acta Geographica Sinica, 2014, 69(10):1487-1495. ]. DOI: 10.11821/dlxb201410008.

DOI

[13]
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. 地理学报, 2019, 74(4):664-680.

DOI

Wang Chao, Kan Aike, Zeng Yelong, et al. Population distribution pattern and influencing factors in Tibet based on random forest model. Acta Geographica Sinica, 2019, 74(4):664-680. ]. DOI: 10.11821/dlxb201904004.

DOI

[14]
柏中强, 王卷乐, 杨雅萍, 等. 基于乡镇尺度的中国25省区人口分布特征及影响因素. 地理学报, 2015, 70(8):1229-1242.

DOI

Bai Zhongqiang, Wang Juanle, Yang Yaping, et al. Research progress in spatialization of population data. Progress in Geography, 2015, 70(8):1229-1242. ]. DOI: 10.11821/dlxb201508004.

DOI

[15]
Chi Guangqing. The impacts of transport accessibility on population change across rural, suburban and urban areas: A case study of Wisconsin at sub-county levels. Urban Studies, 2012, 49(12):2711-2731. DOI: 10.1177/0042098011431284.

DOI

[16]
Franklin Rachel. An examination of the geography of population composition and change in the United States, 2000-2010: Insights from geographical indices and a shift-share analysis. Population, Space and Place, 2014, 20(1):18-36. DOI: 10.1002/psp.1744.

DOI PMID

[17]
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. 地理学报, 2009, 64(2):202-210.

Ge Meiling, Feng Zhiming. Population distribution of China based on GIS: Classification of population densities and curve of population gravity centers. Acta Geographica Sinica, 2009, 64(2):202-210. ]. DOI: 10.11821/xb200902007.

DOI

[18]
胡焕庸. 中国人口之分布: 附统计表与密度图. 地理学报, 1935, 2(2):33-74.

DOI

[ Hu Huanyong. The distribution of population in China, with statistics and maps. Acta Geographica Sinica, 1935, 2(2):33-74.]

DOI

[19]
陆大道, 王铮, 封志明, 等. 关于“胡焕庸线能否突破”的学术争鸣. 地理研究, 2016, 35(5):805-824.

DOI

Lu Dadao, Wang Zheng, Feng Zhiming, et al. Academic debates on Hu Huanyong population line. Geographical Research, 2016, 35(5):805-824. ]. DOI: 10.11821/dlyj201605001.

DOI

[20]
Clarke John. Population geography. Progress in Human Geography, 1978, 2(1):163-169. DOI: 10.1177/030913257800200 112.

DOI

[21]
张善余. 中国人口地理. 北京: 科学出版社, 2007: 243-285.

[ Zhang Shanyu. China Population Geography. Beijing: Science Press, 2007: 243-285.]

[22]
刘睿文, 封志明, 游珍. 中国人口集疏格局与形成机制研究. 中国人口·资源与环境, 2010, 20(3):89-94.

Liu Ruiwen, Feng Zhiming, You Zhen. Research on the spatial pattern & formation mechanisms of population agglomeration & shrinking in China. China Population, Resources and Environment, 2010, 20(3):89-94. ]. DOI: 10.3969/j.issn.1002-2104.2010.03.017.

DOI

[23]
Wang Lu, Feng Zhiming, Yang Yanzhao,. The change in population density from 2000 to 2010 and its influencing factors in China at the county scale. Journal of Geographical Sciences, 2015, 25(4):485-496. DOI: 10.1007/s11442-015-1181-z.

DOI

[24]
吕晨, 蓝修婷, 孙威. 地理探测器方法下北京市人口空间格局变化与自然因素的关系研究. 自然资源学报, 2017, 32(8):1385-1397.

Lv Chen, Lan Xiuting, Sun Wei. A study on the relationship between natural factors and population distribution in Beijing using geographical detector. Journal of Natural Resources, 2017, 32(8):1385-1397. ]. DOI: 10.11849/zrzyxb.20160707.

DOI

[25]
Yang Xiaohuan, Ma Hanqing. Natural environment suitability of China and its relationship with population distributions. International Journal of Environmental Research and Public Health, 2009, 6(12):3025-3039. DOI: 10.3390/ijerph6123025.

DOI PMID

[26]
Yang Yanzhao, Feng Zhiming, Wang Lu, et al. Research on the suitability of population distribution at the provincial scale in China. Journal of Geographical Sciences, 2014, 24(5):889-906. DOI: 10.1007/s11442-014-1127-x.

DOI

[27]
Nieves Jeremiah, Stevens Forrest, Gaughan Andrea, et al. Examining the correlates and drivers of human population distributions across low- and middle-income countries. Journal of the Royal Society Interface, 2017, 14(20170401). DOI: 10.1098/rsif.2017.0401.

DOI

[28]
Wardrop N, Jochem W, Bird T, et al. Spatially disaggregated population estimates in the absence of national population and housing census data. Proceedings of the National Academy of Sciences, 2018, 115(14): 3529-3537. DOI: 10.1073/pnas.1715305115.

DOI

[29]
敖荣军, 常亮. 基于结构方程模型的中国县域人口老龄化影响机制. 地理学报, 2020, 75(8):1572-1584.

DOI

Ao Rongjun, Chang Liang. Influencing mechanism of regional ageing in China based on the Structural Equation Model. Acta Geographica Sinica, 2020, 75(8):1572-1584. ]. DOI: 10.11821/dlxb202008002.

DOI

[30]
戚伟, 刘盛和, 周亮. 青藏高原人口地域分异规律及“胡焕庸线”思想应用. 地理学报, 2020, 75(2):255-267.

DOI

Qi Wei, Liu Shenghe, Zhou Liang. Regional differentiation of population in Tibetan Plateau: Insight from the "Hu Line". Acta Geographica Sinica, 2020, 75(2):255-267. ]. DOI: 10.11821/dlxb202002004.

DOI

[31]
中华人民共和国国家统计局. 中国2010年人口普查分乡、镇、街道资料. 北京: 中国统计出版社, 2012.

[ National Bureau of Statistics of China. Tabulation on the 2010 Population Census of The People′s Republic of China by Township. Beijing: China Statistics Press, 2012.]

[32]
中华人民共和国国家统计局. 中国县域统计年鉴(乡镇卷)-2016. 北京: 中国统计出版社, 2017.

[ National Bureau of Statistics of China. China Statistical Yearbook Township-2016. Beijing: China Statistics Press, 2017.]

[33]
游珍, 封志明, 杨艳昭. 中国1km地形起伏度数据集. 全球变化数据学报(中英文), 2018, 2(2): 151-155.

You Zhen, Feng Zhiming, Yang Yanzhao. Relief degree of land surface dataset of China (1 km). Journal of Global Change Data & Discovery, 2018, 2(2):151-155. ]. DOI: 10.3974/geodp.2018.02.04.

DOI

[34]
中国人口分布适宜度研究课题组. 中国人口分布适宜度报告. 北京: 科学出版社, 2014: 37-41.

[ Group of China Population Distribution Suitability. Report on Suitability Evaluation of Population Distribution in China. Beijing: Science Press, 2014: 37-41.]

[35]
Anselin Luc. Local Indicators of Spatial Association(LISA). Geographical Analysis, 1995, 27(2):93-115. DOI: 10.1111/j.1538-4632.1995.tb00338.x.

DOI

[36]
王劲峰, 徐成东. 地理探测器:原理与展望. 地理学报, 2017, 72(1):116-134.

DOI

Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective. Acta Geographic Sinica, 2017, 72(1):116-134. ]. DOI: 10.11821/dlxb201701010.

DOI

[37]
戚伟, 刘盛和, 赵美风. “胡焕庸线”的稳定性及其两侧人口集疏模式差异. 地理学报, 2015, 70(4):551-566.

DOI

Qi Wei, Liu Shenghe, Zhao Meifeng. Study on the stability of "Hu Line" and different spatial patterns of population growth on its both sides. Acta Geographica Sinica, 2015, 70(4):551-566. ]. DOI: 10.11821/dlxb201504004.

DOI

[38]
Balk Deborah, Deichmann Uwe, Yetman Greg, et al. Determining global population distribution: Methods, applications and data. Advances in Parasitology, 2006, 62: 119-156. DOI: 10.1016/S0065-308X(05)62004-0.

DOI PMID

[39]
曹智, 刘彦随, 李裕瑞, 等. 中国专业村镇空间格局及其影响因素. 地理学报, 2020, 75(8):1647-1666.

DOI

Cao Zhi, Liu Yansui, Li Yurui, et al. Spatial pattern and its influencing factors of specialized villages and towns in China. Acta Geographica Sinica, 2020, 75(8): 1647-1666. ]. DOI: 10.11821/dlxb202008007.

DOI

[40]
陈发虎, 傅伯杰, 夏军, 等. 近70年来中国自然地理与生存环境基础研究的重要进展与展望. 中国科学: 地球科学, 2019, 49(11):1659-1696.

Chen Fahu, Fu Bojie, Xia Jun, et al. Major advances in studies of the physical geography and living environment of China during the past 70 years and future prospects. Scientia Sinica Terrae, 2019, 49(11): 1659-1696. ]. DOI: 10.1007/s11430-019-9522-7.

DOI

[41]
Kugler Tracy, Grace Kathryn, Wrathall David, et al. People and pixels 20 years later: The current data landscape and research trends blending population and environmental data. Population and Environment, 2019, 41(2):209-234. DOI: 10.1007/s11111-019-00326-5.

DOI

[42]
Tatem Andrew. WorldPop, open data for spatial demography. Scientific Data, 2017, 4: 170004. DOI: 10.1038/sdata.2017.4.

DOI

[43]
胡焕庸. 句容县之人口分布. 地理学报, 1936, (3):621-627+673.

DOI

[ Hu Huanyong. Population distribution in Jurong county. Acta Geographica Sinica, 1936, (3): 621-627+673.]

[44]
樊杰. 中国人文地理学70年创新发展与学术特色. 中国科学: 地球科学, 2019, 49(11):1697-1719.

Fan Jie. The progress and characteristics of Chinese human geography over the past 70 years. Scientia Sinica Terrae, 2019, 49(11): 1697-1719. ]. DOI: 10.1360/SSTe-2019-0213.

DOI

[45]
戚伟, 刘盛和, 周侃, 等. 国土空间规划:人口和城乡布局单幅总图的研制. 地理研究, 2019, 38(10):2473-2485.

DOI

Qi Wei, Liu Shenghe, Zhou Kan, et al. Research on a comprehensive map of layout of population and settlements planning in both urban and rural areas for territory spatial planning. Geographical Research, 2019, 38(10) :2473-2485. ]. DOI: 10.11821/dlyj020190331.

DOI

[46]
郝庆, 邓玲, 封志明. 面向国土空间规划的“双评价”:抗解问题与有限理性. 自然资源学报, 2021, 36(3):541-551.

Hao Qing, Deng Ling, Feng Zhiming. The "Double Evaluation" under the context of spatial planning: Wicked problems and restricted rationality. Journal of Natural Resources, 2021, 36(3) :541-551. ]. DOI: 10.31497/zrzyxb.20210301.

DOI

[47]
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. 地理学报, 2007, 62(10):1073-1082.

Feng Zhiming, Tang Yan, Yang Yanzhao, et al. The relief degree of land surface in China and its correlation with population distribution. Acta Geographica Sinica, 2007, 62(10):1073-1082. ]. DOI: 10.3321/j.issn:0375-5444.2007.10.007.

DOI

Options
Outlines

/

〈 〉