Population distribution and its change in Guangzhou city

Population density in Guangzhou City is characterized by a main single center and considerable differences throughout the 8 districts and 112 neighborhoods and towns. Historically, population density in Guangzhou City rose sharply, and population distribution was mainly influenced by the attraction of the port. After the founding of the People’s Republic of China (PRC), a series of large-sized factories were built in suburban areas, which drew in a large amount of population from the areas outside of Guangzhou. A small part of this population lived in the suburban areas while most resided within the city centre. As the natural increase rate of population was very high, the population density of both the city centre and suburban areas rose, the former rose at higher rates. Since reform and the opening up to the outside world, Chinese economy has grown quickly, the total population of Guangzhou has also increased quickly. Meanwhile, changes in population density within the city is becoming more and more obvious. Population density in the city centre is falling and in city periphery is rising. From the analysis of the population density model, it is found that population distribution of Guangzhou is in the process of transition from an early stage to a mature stage. Population decline within the centre city of Guangzhou City, which reflects a prosperous economy of the city, is significantly different from the recession of in the western countries.     

Character and Causes of Population Distribution in Shenyang City, China

1 Introduction Research on the character of urban population distribu- tion is one of the focuses of western urban geography. From the 1950s, the research has attracted the attention of many western researchers, and a series of classical theoretical models were put forward. For example, Clark (1951) found that with the increase of distance from the city center, the urban population density tends to de- crease in exponential. Through the statistical analysis of more than 20 cities, he put forw…     

基于Voronoi图的高密度城区停车场空间布局分析——以广州市海珠区为例

停车场是高密度城区基础设施的重要组成部分,对人口、道路、建筑等具有一定空间依赖,并形成其特定的分布规律。本文以广州市海珠区为例,运用Voronoi图对高密度城区停车场空间布局特征和空间聚集度与其影响因子的空间自相关性进行了GIS系统分析。通过研究区内及各街道区域内建立停车场Voronoi多边形,计算CV值、聚类指数及停车场聚集度。分析表明:(1)在高密度城区内,全区范围及各街道区域内停车场有集聚布局的趋势。集聚核出现在西北面江南大道商业圈和北面广州新中轴线贯穿的海珠区中心区段,高密度城区停车场有围绕商圈、中心发展区等高密度城区特征,突出区域集聚的趋势。(2)人口密度、道路密度、建筑密度等因子在全局及局部上影响着停车场的空间布局,而人口密度的影响最明显。(3)高密度城市化发展水平越高,各影响因子对停车场的密度与集聚程度影响越显著。     

西藏一江两河地区人口分布与地形要素关系分析

地形条件是影响区域人口分布的最基本的因素之一,本文基于1 km×1 km人口空间分布公里网格数据定量分析一江两河地区人口分布基本特征及其与高程、坡度、坡向、地形起伏度等地形要素之间的关系,有助于揭示西藏高原人口分布现状的本质、理解人口空间分布结构特征,对于今后宜居地选址、改善农牧民人居环境、制定区域经济发展政策,促进区域内人口、资源与环境可持续发展具有重要意义。研究结果表明：① 一江两河地区90%的区域人口密度不足10人/km²,80%的人口分布在不足5%的土地上,人口分布比较集中。当前一江两河地区有2个主要的人口集中区,分别是拉萨市城关区和日喀则地区日喀则市,拉萨市城关区尤其显著。② 一江两河地区人口沿河分布,80.46%的人口居住在距离河流10 km以内区域,人口总数、人口密度与距河流距离呈明显的指数关系,距离河流2 km以内的区域人口密度高于50人/km²;③ 近99%的人口分布在海拔4500 m以下,当高程超过3800 m时,人口密度随海拔升高呈下降趋势;④ 近70%的人口分布在坡度小于15°的区域,而且随着坡度越大,人口密度越小,人口分布受坡向的影响不明显;⑤ 地形起伏度对人口分布的影响显著,近85%的人口分布在地形起伏度小于800 m的区域,人口密度与地形起伏度之间为倒指数关系。     

京津冀都市圈人口集疏过程与空间格局分析

人口集疏过程及其空间格局变化是人口空间分布最直观的表现。以1982-2010年4期人口普查数据为基础,采用人口总量和人口密度指标,结合人口增减变化分级、人口商度等方法,定量分析了京津冀都市圈人口集疏过程及其空间格局变化。研究表明:近30年来,京津冀都市圈人口总量呈现持续增长趋势,人口空间分布日益不均衡,区域人口分布存在明显的南北、东西差异;人口增加是主要特征,人口集聚效应凸显,人口增加地区的县域单元比例在80%以上,以人口显著增加为主;人口减少只是零星分布,人口减少地区的县域单元比例占不到20%;人口流动比较频繁,以人口流入为主,主要流向北京、天津和河北的市辖区,人口流出地区仅是散落分布在张家口和承德的山区贫困县域;无论从静态人口指标还是动态人口分析方法,都表明京津冀都市圈人口地域集疏特征十分明显,已形成以北京、天津、石家庄为中心,其他地市(县域)人口分别向外依次扩展的人口多中心分布的圈层结构。     

非首都功能疏解背景下北京市人口空间分布形态模拟

本文以北京市2005年和2010年公里网格人口分布数据为基础,运用CA-Markov模型模拟了北京市2015、2020、2025和2030年4期公里网格人口分布数据集;应用街道尺度的人口数据对模拟精度进行了验证;在模型可靠性良好的基础上,从产业疏解推动人口疏解的角度出发,结合北京市各街道各产业从业人口数据、产业疏解方向和中心城区人口疏解目标,确定了北京市各街道人口疏解的权重,并由此预测了2020年北京市中心城区人口疏解15%后的人口空间分布情况。研究表明： ① 2005-2010年,北京市约90%的公里网格人口密度等级为1级,集中在密云区、怀柔区、延庆区和房山区,而人口密度在10级以上的区域集中在西城区和东城区;② 在无人口疏解政策影响下,2015-2030年北京市公里网格人口分布呈现出低人口密度区域减少、中高人口密度区域增加的态势;③ 在人口疏解政策影响下,至2020年,中心城区人口分布从集中于中高密度等级转向集中于中低人口密度等级。中心城区最高人口密度等级的数值呈下降态势,并且高人口密度等级的区域占比也呈下降态势。除东城区外,其余5个中心城区的人口集中于人口密度等级为5-8级的区域。本文的研究成果可为人口管理、资源配置和政策制定提供科学参考。     

北京市人口空间分布的未来情景模拟分析

为了验证YUE-SMPD模型对城市人口研究的实用性,首先模拟分析北京市2000年300m×300m空间分辨率的人口分布,然后将北京市2000年的模拟结果与人口普查数据进行比较,结果表明,YUE-SMPD模型的模拟结果与2000年北京市第五次人口普查数据非常吻合。在此检验结果的基础上,根据2020年北京城市总体规划、北京市绿地系统规划、北京市公路系统规划和北京市铁路系统规划等,模拟分析北京市2020年三种人口分布情景:如果人口允许在国内自由迁移,2020年北京市总人口将达到4662万,旧城人口将达到672万,中心城区将达到3019万;如果2020年北京市总人口控制在1800万之内,并且允许居民在市内自由流动,旧城和中心城区人口将分别为260万和1170万;如果北京城市总体规划和绿地系统规划成功实施,2020年北京市中心城区人口为850万,旧城区人口为110万。     

城市人口空间分布模拟与格局分析——以沈阳市为例

人口分布空间结构是城市空间结构的重要组成部分。为准确地模拟城市人口分布,清晰地反映城市人口分布格局,本文利用沈阳市第五次人口普查资料,采用网格计算方法空间化人口数据、地统计学的空间插值方法模拟人口分布。同时,用DEM模型方法识别城市人口分布格局,分析人口分布特征。结果是:沈阳城市内部人口分布具有较高的不均衡性和聚集性;城市人口密度分布不符合单核心圈层式范式,具有11个明显的人口分布核心;在城市中心区域,人口分布的区域化特征更为显著;人口分布主要受到相近的两个人口核心的影响。该研究同时表明中国市场经济体制背景下,城市人口分布特征具有较高的复杂性。对于城市人口分布规律及影响人口分布的动力机制,需进一步研究。     

沈阳市城市功能区分布与人口活动研究

从精细尺度上研究城市功能区分布与人口活动规律对于政府和相关部门合理调节城市内部资源配置、安排城市设施布局具有重要意义。以沈阳市中心城区为例,根据核密度估计原理,基于兴趣点（POI）数据探索沈阳市中心功能区分布情况,通过解读多时相百度热力图数据,探索工作日和周末城区人口时空分布规律,即从城市人口活动和城市功能设施分布2个角度解读沈阳市中心城区空间结构与组织形式。借助SPSS 20.0分析人口热度和设施分布的相关性关系,建立多元线性回归模型。主要结论如下：① 沈阳市城市活力区呈现多中心分布模式,大多位于商业中心、金融中心或者城市功能复合中心。② 工作日人口高热区空间分布较周末更为分散,面积较大,早晚波动较大。周末人口高热区主要集中在商业中心和城市复合功能区且白天存在较大波动。③ 功能区分布与人口热度显著相关,其中生活服务设施、金融设施、交通设施、住宿设施和景点设施是工作日人口热度的主要影响因子;教育设施、餐饮设施、交通设施、金融设施和公共服务设施是周末人口热度的主要影响因子。     

基于多源数据的中国海岸带地区人口空间化模拟

海岸带人口聚集、经济增长迅速、生态环境脆弱,容易受到自然灾害的影响,细致的人口空间分布信息对解决海岸带地区资源配置、灾害风险管理等有重要意义。本文以中国沿海城市为研究区,基于NPP-VIIRS和NDVI数据构建人居指数HSI,并加入居住地面积比例系数反映人口内部差异,利用样本动态分区及建模方法,得到2015年中国海岸带1000 m格网人口分布数据（POP）,并将其与已公布的相同年份的中国公里格网人口数据（TPOP）和100 m全球人口数据（WorldPOP）进行对比分析。研究表明,3种数据均能反映中国海岸带地区人口的宏观分布特征,但是对于人口分布城乡差异特征以及城市内部人口分布细节特征的刻画,则是以POP数据最为理想。由县域统计值和POP数据可知,主要受沿海地貌、国家及区域经济发展战略等的影响,中国海岸带地区人口分布具有明显的空间差异,具体来说：① 地形差异,山地和滩涂区域的人口密度普遍较低（小于5 人/hm ²）,而平原和河口三角洲区域的人口密度则普遍较高（大于10 人/hm ²）;② 宏观区域差异,环渤海、长江三角洲和珠江三角洲是人口分布最密集的区域（大于25 人/hm ²）;长江以北地区人口分布多层级重心离散分布的特征较为显著,尤其以山东和江苏最为明显,长江以南地区人口分布相对比较集中,主要集中在沿海低地和平原,如浙江—福建—广东一带;③ 城乡差异,由各级城镇向乡村区域递减的趋势非常明显,城市等级越高,人口分布的梯度特征越显著,中心城区、城市近郊、城市远郊之间相比人口密度差异巨大。     

顾及POI人口吸引力异质性的城市人口空间化方法

人口空间化是提升人口统计数据空间分辨率的常用手段,现有研究多基于统计建模思想建立多源数据与统计人口的数学模型以预测格网人口。兴趣点（Point of Interest, POI）作为精细人口估算的重要数据源,通常以数量/密度型指标形式参与回归建模,该方式忽略了类型相同但个体规模不同的POI与人口之间数量关系的差异,特征均质化处理造成POI语义细节的损失,导致中心城区人口低估与远城区高估。为此,本文基于随机森林模型,提出一种顾及POI人口吸引力异质性的城市人口空间化方法。该方法在表征POI空间多尺度重要性的基础上,引入移动定位数据构建人口吸引力指标;并基于非欧式滤 波修正格网人口权重,建模人口空间自相关,刻画水体等障碍物对局部空间连通性的影响。本文以武汉市为研究区域开展100 m格网验证,通过与POI密度型回归模型、公开人口数据集的对比和消融实验,展现了人口吸引力指标与权重修正的有效性。结果表明,本文方法平均绝对误差为WorldPop、GPW及对比模型的1/4~2/3,在精细人口空间化场景具有精度优势。此外,本文还讨论了移动定位数据采样率及格网粒度对建模精度的影响。     

基于多源数据的夜间经济时空分布格局研究方法

夜间经济是一个城市经济发展和消费水平的重要表征。目前国内外研究者对夜间经济的研究多停留在理论层面,或基于市场调研和问卷调查的小范围精细化研究。本文融合多源数据为夜间经济提供了新的视角,相较于传统的调查数据,具有更加快速、高效、广泛的特点,适合于夜间经济大范围研究。本文基于夜间灯光、POI、OD流等多源数据,采用DBSCAN、K-Means++等空间聚类算法和研究供需关系的盈亏法,分别从消费者角度和商户角度识别厦门市夜间活动热点区域和夜间服务设施分布区域,分析厦门市夜间经济时空分布格局及相关性。研究表明:① 厦门市夜间活动在空间上呈多环状分布并向四周递减,夜间活动热点区域分布受假期的影响因地而异;② 厦门市部分区域已有服务设施未能很好地服务于夜间经济,现有的照明、夜景等夜间灯光基础设施存在供给不足之处;③ 居住人口密度与夜间活动密度呈中度正相关,研究结果具有有效性,夜间服务设施盈亏值及数量、夜间灯光与夜间活动密度呈中、弱度相关,并且餐饮设施更加依赖于夜间灯光。最后,为厦门市未来夜间经济建设提出了根据不同的消费人群和心理提供不同的夜间服务、加强夜间灯光基础设施建设以及市场扶持的举措。研究结论对促进社会就业、增强基础设施使用率有积极意义,同时也能够为城市夜间经济发展和政策制定提供参考。     

城市局域动态人口估算方法与模拟应用

获取城市局部区域内的实时人口是应急决策等诸多城市管理应用需要解决的问题。但时空的不确定性导致了估算操作的困难:空间范围不确定,即给定的城市区域是可变的;时间不确定,即估计的时间事先不可知。根据城市居民的总体出行规律,居民日常活动基本以城市建筑为中心,或者认为居民因受建筑物所承载功能的吸引而出行。鉴此,给定区域内的静态人口可使用区域内的居住型建筑,以及人均住房建筑面积等统计数据来估算,而动态人口的估算则需要确定每类建筑物在不同时刻所吸引的居民人数。为此,引入建筑物修正系数和建筑物吸引率两个指数。修正系数是其他类型建筑物的容纳能力与作为基准的居住型建筑物的容纳能力之比。通过修正系数可获得每类建筑物的额定容纳人数。吸引率是不同时刻每类建筑物的实际容纳人数与其额定容纳人数的比值。根据居民出行的一般时间分布,将一天按照休息日和节假日分别都划分成七个时段,建筑物类型参照调查城市交通出行率时的分类划分。利用居民出行和交通出行率调查资料等数据,估算每类建筑物的修正系数和吸引率,计算区域内的实时人口数,模拟了一起突发化学品泄漏事故,将所提方法应用到模拟场景的动态人口估计中,并对方法应用中的问题进行了讨论。     

A STUDY ON LOCATION OF TOWNSHIP INDUSTRY IN SHANGHAI SUBURBS

The township industry in Shanghai suburbs has undergone a rapid development in the past few years. Aimed at studying the spatial law of the township industry in Shanghai suburbs, three kinds of indexes including distribution density, economic benefit, and regional structure are selected and analysed using correlation analysis method. There are 12 indexes in total. It is found that the locational variation of the township industry in Shanghai suburbs conforms to the following distribution equation:y=ae-bx (x> 5)The above equation has been more and more conforming to the real distribution of the township industry. It is obvious that decreasing trend from inner suburban districts to outer suburban districts is an important character of the locational variation of the township industry of Shanghai suburbs. The fact is closely related with the radiation intensity of the urban economy and the locational superiority for the development of township industry. The regional strategies of the township industry of S     

2005—2018年北京市外来人口迁移特征与影响因素分析

外来人口是大型或超大型城市人口结构的重要组成部分,研究特定城市外来人口的迁移特征及其影响因素不仅有助于从迁入地视角发现以特定城市为目标的人口迁移规律,对新城镇化背景下的城市化建设与发展也具有重要的现实意义。本文以北京市为例,通过收集2005—2018年的公安机关外来人口登记数据,对外来人口在不同年份的市级迁出地空间分布格局进行了研究,并利用空间回归模型对人口迁移的影响因素进行了分析,得到如下发现：① 北京市外来人口的迁出地在市级尺度下表现出明显的空间聚集效应,且聚集效应逐年增强;外来人口迁出地空间分布基本稳定,热点迁出地分布主要集中在河北-天津和河南省南部-湖北省北部2个主要聚集簇中;② 影响人口向北京迁移的主要变量为各迁出地的人口规模、交通时间、人均收入、高等教育水平、人口密度等,其中人口规模和人均收入对人口迁移的影响较为稳定,而高等教育水平和人口密度的影响分别从2010年和2014年后才开始显现,交通时间对人口迁移的障碍性作用虽然有所下降,但对人口迁移的影响变化不大;③ 空间误差项持续显著,表明迁出地的人口迁出量可能受相邻地市的社会文化等其他变量的影响。     

基于CA的城市人口密度分布动态模拟——以长沙市人口密度变化为例

利用元胞自动机(CA)进行模拟可以帮助认识城市人口密度分布的演变过程,并为相关的调控提供决策依据.以长沙市为例,由元胞自动机层构建了精确到街道的长沙市人口密度分布仿真模型,对2000～2005年人口密度分布进行重建,与实际情况对比,整体预测精确度达76%以上;并对2010年,2015年人口密度分布进行了预测,结果表明,长沙市仍处于城市发展的初期阶段,市区人口密度分布受交通通达度、距市中心距离、公共设施便利性、环境、政府主导等多因子影响,总体呈现典型的Clark分布.     

Suburbanization and subcentering of population in Beijing metropolitan area: A nonparametric analysis

This study focuses on the suburbanization and subcentering of population and examines the nature of spatial restructuring in terms of the population distribution in the Beijing metropolitan area.Instead of the classic density function approach,we employ the nonparametric analysis to characterize the spatial pattern of population densities in the Beijing metropolitan area and identify the suburban subcenters.Our findings suggest that the population has spread with rapid urban growth in the Beijing metropolitan area,and the compact urban form has been replaced by a more dispersed polycentric spatial distribution.However,compared with the decentralization of western cities,the spatial extent of the decentralization of population in the Beijing metropolitan area is quite limited.The rapid growth of population in the near suburbs has expedited the sprawl of the central city,with a larger central agglomeration of population dominating the metropolitan area.In this sense,the spatial pattern of the Beijing metropolitan area is still characterized by the continuous compactness.However,our findings do provide the evidence that the city has been turning to a polycentric structure.We find significant population subcenters have emerged in the suburbs of Beijing since the 1980s.But the polycentricity emerged in the Beijing metropolitan area is very different by nature from that observed in Western cities.The subcenters emerged are adherent to the development scheme planned for the city,so it can be referred to as the so called ’planned polycentricity’.     

Simulation analysis on spatial pattern of urban population in Shenyang City,China in Late 20th century

The spatial distribution of urban population can reflect significantly urban functions and development status. Shenyang, as a typical old industrial city in China, has experienced considerable changes in spatial distribution of population in the process of urban transformation, resulting in the change of urban spatial structure. Based on the sub-district data of Chinese national population censuses in 1982, 1990 and 2000, this study simulates the evolution pattern of spatial distribution of urban population in Shenyang City. Using statistical method and exploratory spatial data analysis (ESDA), we found that the population distribution, on the whole, has presented a balanced and decentralized trend since the 1980s, which characterizes with Chinese suburbanization. Furthermore, based on the investigation of the pattern of population distribution, it is concluded that the negative exponential model fitted the distribution best, and population concentration in the inner suburb kept increasing gradually, meanwhile, the spatial structure of population distribution has presented a polycentric feature since the 1980s. The parameters of the model show that population in the urban core concentrate significantly all the time. The increase of population in the inner suburb influences the population distribution pattern more and more importantly, but the concentration intensity of population cores in inner suburb is still low.     

上海市精细时空尺度人口分布估计与特征分析

城市人口实时分布与动态变化特征是城市规划与综合治理的重要依据。受数据获取手段的局限性,准确地获取城市人口的实时分布状况一直是技术瓶颈,而移动通讯技术的迅速普及为这一问题的解决提供了技术途径。本文基于移动通讯信令的连续轨迹数据,实现了城市精细尺度人口分布时空估算的方法流程,并以上海市为研究区,对城市人口分布特征及时空移动过程进行了量化分析。研究表明：① 在数据方面,基于移动通讯信令数据估算城市人口分布的方式样本覆盖广、时空精度高、时效性较强且支持时空尺度灵活多变的应用研究需求,能够定量地描述城市人口分布时空动态特征且能推算城市真实人口规模;② 在人口分布时空特征方面,上海市在全市尺度上,各时段人口空间分布较为稳定且差异较小,而在中心城区日间人口较夜间人口呈现更为显著的空间集聚特征;③ 在人口移动时空特征方面,城市功能承载区与其它区域之间人口移动很少,早晚高峰期各城市功能承载区之间人口移动均体现为中心城区与其它新城之间的移动,且2个方向移动人数较为平衡;各城市功能承载区内均有超过半数的人口全天仅在其所在城区内部活动。本文的研究成果可为上海城市规划、应急管理、交通出行等提供更精准的科学依据。     

Evolution stages of oasis economy and its dependence on natural resources in Tarim River Basin

This paper examines spatio-temporal characteristics of an oasis economy and its relationship with water and mineral resources in the Turim River Basin from 1965 to 2005. A spatial autocorrelation model, the center of gravity model, and index system of the regional central city are used to probe the evolution laws of spatial structure of oasis economy. The study finds that: 1) The economic centre of gravity, whose variation track during this period follows linear rote law, was moving from headstream to middle reaches of the Tarim River. 2) Positive spatial autocorrelation which showed a waving and ascending trend of regional economy was significant and the neighbor effect of regional economic growth was strengthened continuously. 3) The regional economic centre was located in Hotan City before 1980, moved to Aksu City during the 1980s and to Korla City after 1990. We conclude that above all, during the recent four decades the evolution of the oasis economy in this region has gone through three stages: a traditional agriculture stage (before 1980), oasis agriculture and agricultural product processing stage (1980-1990) and oasis energy industry stage (after 1990). Furthermore, the dependence degree of the oasis economy on natural resources in different stages are studied by using dominance index, regression model, and grey relation method, which shows that an oasis economy highly depends on water resources in the oasis agriculture and agricultural product processing stage while it depends more on mineral resources such as oil and natural gas during the oasis energy industry stage.