湖北省随州城市化进程中人口变动及其对土地利用的影响

采用GIS技术及多种统计分析方法,对湖北省随州市城市化进程中人口变动状况及其对土地利用方式的影响进行了整体分析,初步揭示了城市化的综合发展状态及其所包含的人口及土地两个方面的变化特征,并明确了人口变化的主导作用。分析表明,随州城市化处于中期发展阶段并呈现与工业化同步的发展状态,在此前提下城镇人口迅速增长,空间分布向中心市区集中,但农业就业比重偏高,同时土地利用方式发生相应的变化。     

Livestock Dynamic Responses to Climate Change in Alpine Grasslands on the Northern Tibetan Plateau: Forage Consumption and Time-lag Effects

Climate change and forage-intake are important components of livestock population systems, but our knowledge about the effects of changes in these properties on livestock is limited, particularly on the Northern Tibetan Plateau. Based on corresponding independent models (CASA and TEM), a human-induced NPP (NPP_H) value and forage-intake threshold were obtained to determine their influences on livestock population fluctuation and regrowth on the plateau. The intake threshold value provided compatible results with livestock population performance. If the forage-intake was greater than the critical value of 1.9 (kg DM d^-1 sheep^-1), the livestock population increased; otherwise, the livestock population decreased. It takes four years to transfer a disturbance in primary productivity to the next trophic level. The relationships between livestock population and NPP_H value determined population dynamics via the forage-intake value threshold. Improved knowledge on lag effects will advance our understanding of drivers of climatic changes on livestock population dynamics.     

基于综合城镇化视角的省际人口迁移格局空间分析

采用第五、第六次全国人口普查数据,基于流出、流入“双向”视角解析人口迁移格局及演变过程;采用空间计量模型,阐释综合城镇化及各城镇化分量值对省际人口迁移影响的空间效应。研究结果表明：① 2000~2010年省际人口迁移量成倍增长,人口迁出区域空间不断扩散,迁入区域空间虽无明显变化,但内部差异性变化明显;② 省际人口迁移存在明显的空间依赖性特征,省际人口净迁入率变化明显受周边地区的正向影响;③ 综合城镇化率变化对省际人口迁入有着重要作用。④ 人口、经济和土地城镇化率变化对人口净迁入率变化具有显著影响,且经济城镇化仍为影响省际人口迁移变化的主导因素;社会城镇化率的影响并不明显。     

胡焕庸线两侧人口的空间分异性及其变化

胡焕庸线作为人地关系的重要地理大发现之一,揭示了中国人口分布东密西疏的重要特征,是人文与经济地理学对社会的重要贡献之一。本文采用地理探测器等定量方法,以人口普查数据为基础,对胡焕庸线两侧人口分布的分异性特征进行了深入讨论,并尝试解释中国人口分布特征变化的原因及其机制。结果表明：① 胡焕庸线作为中国最重要的人口分界线仍基本保持稳定,但从空间统计学分异特征来看该分界线仍可进一步优化调整;② 胡焕庸线两侧内部人口集聚模式发生着明显变化,东南半壁人口分布由改革开放之前和初期的相对均衡状态,转变为以长三角、珠三角等少数区域为中心的集聚模式;而西北半壁人口分布的集聚程度则趋于下降;③ 从人口空间分布的影响因素看,尽管总体上,经济发展类因素对于人口空间分布影响不断增强,但三大阶梯等自然地理本底条件依然对中国人口分布有着重要影响。     

A spatial dynamic model of population changes in a vulnerable coastal environment

This study developed a spatial dynamic model to examine the coupled natural–human responses in the form of changes in population and associated developed land area in the Lower Mississippi River Basin region. The goal was to identify key socioeconomic factors (utility) and environmental factors (hazard damages, elevation, and subsidence rate) that affected population changes, as well as to examine how population changes affected the local utility and the local environment reciprocally. We first applied areal interpolation techniques with the volume-preserving property to transform all the data at Year 2000 into a unified 3 km by 3 km cellular space. We then built an Elastic Net model to extract 12 variables from a set of 33 for the spatial dynamic model. Afterward, we calibrated the neighborhood effects with a genetic algorithm and use the spatial dynamic model to simulate population and developed land area in 2010. Furthermore, we took a Monte Carlo approach for analyzing the uncertainty of the model outcome. Our accuracy assessment shows that the model on average slightly overpredicts the number of population and the developed land percentage at 2010, as indicated by the low values of mean absolute deviation (MAD) due to quantity. On the other hand, the MADs due to allocation are larger than the MADs due to quantity, with most outliers found in the New Orleans region where population and urban development declined significantly during 2000–2010 after Hurricane Katrina. The proposed model sheds light on the complex relationships between coastal hazards and human responses and provides useful insights to strategic development for coastal sustainability.     

珠江三角洲城镇体系规模等级变动研究

采用市区非农人口和外来人口的统计资料,对珠三角城镇体系规模等级的变动进行研究,得出珠三角城市规模分布具有明显的层次性,且在研究时间段内城市规模等级总体变动不大,人口变动由相对均衡到非均衡,以及人口分布集中的力量大于分散的力量。最后,笔者在前面分析的基础上对变动趋势作出了预测:近期内,珠三角城镇体系规模等级的变动将保持稳定,大中城市仍然是该区域发展的主要力量;随着一批大中城市人口的增长,珠三角的首位度将保持下降的趋势。     

Mongolian gerbils and Daurian pikas responded differently to changes in precipitation in the Inner Mongolian grasslands

Mongolian gerbils (Meriones unguiculatus) and Daurian pikas (Ochotona dauurica) are two key small mammal species in the Inner Mongolian grasslands, China. Mongolian gerbils displayed density-dependent population growth, but the time lag of density dependence was short and within season. The spring–autumn population growth rate was inversely related to population density in Mongolian gerbils of the Erdos desert grasslands. The autumn–spring population growth rate of Mongolian gerbils was inversely related to winter precipitation. Precipitation had stronger effects on the population growth of gerbils during the non-breeding season. The monthly population growth rate of Daurian pikas was positively related to the monthly precipitation and was inversely related to population density in central Inner Mongolia. Daurian pikas select habitats with tall plants. Increased precipitation enhances plant production and increases the height of plants in arid and semi-arid regions. This enhancement of plant height might increase the population growth of Daurian pikas. Mongolian gerbils live in short grasslands. Increased winter precipitation might result in higher winter mortality of Mongolia gerbils, or taller plants might supress gerbil population growth in wet years. Therefore, responses of small mammal species to changes in precipitation depend on the life history of small mammals and changes in vegetation induced by climatic changes.     

基于城市不透水面—人口关联的粤港澳大湾区人口密度时空分异规律与特征

城市人口数据是社会经济各领域的基础数据,高分辨率的空间化城市人口数据则对社会经济各领域的分析和研究具有重要意义。本文首先通过多源遥感技术提取空间分辨率为30 m的粤港澳大湾区2007-2015年间城市不透水面的变化,再利用Dasymetric映射方法得到30 m分辨率的网格化人口密度分布,从而分析大湾区2007-2015年间城市人口的时间和空间变化。通过Google Earth时间序列高分辨率影像采集的样本验证,粤港澳大湾区城市不透水面提取精度均在80%以上;通过统计年鉴中县级人口统计数据,分析大湾区网格化城市人口与统计数据之间的一致性,得到决定系数R²总体在0.7以上。研究表明,粤港澳大湾区城市人口具有特殊的时间和空间分异规律和特征：①大湾区内除了香港和澳门人口分布较稳定,其他城市人口都有不同程度和不同方向的扩张,其中广州、深圳、东莞的人口扩张最为明显;②大湾区城市人口空间分布具有明显的多尺度和多中心特征。总体上,大湾区人口集中在以珠江口为中心的城市群核心区内,离核心区较远的肇庆、江门、惠州人口较为稀疏,城市化程度相对较低,是支撑大湾区经济社会继续深入发展的重要区域。在核心区内,城市人口的分布则在城市尺度和城市群尺度上都体现了多中心分布特征,香港和广州都有多个城市中心,而香港、澳门、深圳、广州则是整个大湾区的4个中心。地理位置上4个中心分布在大湾区的不同地方,可以带动整个粤港澳大湾区的全面发展。研究结果可为粤港澳大湾区在社会经济各领域的分析与规划提供决策支持。     

人口老龄化对乡村发展影响研究进展与展望

人口老龄化是人类发展进程中一个重要的人口现象,研究人口老龄化对乡村发展的影响并探讨相应对策具有重要意义。本文首先分析了乡村人口老龄化特征及原因,随后从生产、生活、生态三个视角梳理了人口老龄化对乡村生产要素投入、农业生产、社会保障、乡村治理、消费结构、土地利用变化和生态空间等方面影响的研究进展。在此基础上提出今后应结合产业兴旺、生态宜居、乡风文明、治理有效、生活富裕的乡村振兴战略总体要求,从生态环境—经济发展—社会发展三个维度开展乡村人口老龄化的影响与适应相关研究,重点研究方向有：①基于人口流动视角的乡村人口老龄化对生态系统服务价值的影响;②乡村人口老龄化空间差异及其对农业现代化的影响;③应对人口老龄化的乡村振兴路径。     

贵州省乌江流域人口分布与地形的关系

研究流域人口分布与地形的关系,有助于了解地理环境对人口分布的影响。以贵州省乌江流域为研究区,基于DEM数据和人口数据,提取海拔、坡度、起伏度等地形因子,研究人口分布与地形因子的关系。研究结论：① 人口数量在海拔800~1400 m的地区超过60%,人口密度在1000~1200 m的地区最高。② 人口数量与人口密度随着坡度上升总体呈下降趋势。③ 人口密度在起伏度小于50 m的地区超过1000人/km ²,人口密度随着起伏度上升总体呈下降趋势。     

八十年代广州市区人口分布的变动

本文分析了广州市区人口分布变动特点、变动类型，探讨其影响人口分布变动因素及人口分布变动趋势。     

东北三省人口分布空间格局演化及其驱动因素研究

东北地区作为全国重要老工业基地,在面临新一轮振兴机遇的形势下,人口分布的集疏变化及其驱动因素亟待细致梳理。根据中国第四、第五、第六次分县人口普查资料,运用洛伦兹曲线、人口密度相对变化率和空间自相关分析方法对东北地区1990~2010年、176个县域的人口分布空间格局演化进行深入分析,在此基础上,选取10个自然和社会经济指标,使用偏最小二乘法（PLS）对东北地区人口分布空间格局演化的影响因素进行定量分析,研究发现：①从总体分布格局变化特征来看,20 a来人口密度始终是黑龙江省<吉林省<辽宁省,且以省会城市为主的多中心“T”型人口分布空间格局越来越明显;②1990~2010年,东北地区人口密度经历了从相对分散到相对集中的变化过程,且人口密度高的地区所占土地面积小,人口密度低的地区占地面积大。人口空间分布呈现显著的正的空间自相关特征,即人口密度存在高高、低低集聚现象;③从人口密度变化类型来看,1990~2010年,共80个县域属于快速增加和缓慢增加类型,快速降低和缓慢降低类型的县域共96个,其中辽宁省县域人口密度变化“两极化”现象较为明显;④自然因素与社会经济因素同时作用于人口密度变化,但社会经济发展水平是人口密度变化的主要影响因素。     

基于分县尺度的2020-2030年中国未来人口分布简

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。     

我国省域人口城镇化特点及其相关因素的分析

本文从人口城镇化的基本原理开始,讨论了建国以来我国省域城镇人口变化的基本特点,并进行了人口城镇化的相关因素分析。     

2000-2010年中国不同地区人口密度变化及其影响因素

人口空间分布及其集疏变化是区域发展规划的重要科学基础之一。2000-2010年中国人口变化格局及其驱动因素有待进一步梳理。鉴于此,以分县为基本研究单元,利用2000年与2010年两次人口普查数据,首先根据人口密度变化将中国不同地区划分为快速增加、缓慢增加、缓慢降低和快速降低四个类型,并分析其空间格局与地域特征。在此基础上,选取11个自然与社会经济因素,利用偏最小二乘法 (PLS),对全国及四类地区的人口密度变化影响因素及其地域差异进行了定量分析。研究结果表明：① 相较于2000年,2010年全国超过60%的分县单元人口密度增加,平均增速为21人/km²,主要分布在城镇密集地区;不到40%的分县单元人口密度减少,平均降低13人/km²,主要分布在人口密集省份、老城区和边境地区;② 自然因素与社会经济因素对人口密度变化均有影响,但社会经济因素影响更大。高经济发展水平、医疗条件和通讯能力是人口密度增加的主要“拉力”,而地区内稠密的人口是人口密度降低的主要“推力”。上述结论基本理清了中国近10年来人口增减变化空间分布格局及其地域影响因素,可为未来人口发展和区域规划提供有益的借鉴。     

1982年以来中国省级区域城市化水平趋势

城镇人口数据不一致的问题非常严重, 几乎没有系统的省级区域城市化数据。这种情况部分是因为人口普查城镇人口定义的变化,部分是由城镇设置标准的变动引起的。人口普查是全国和各省区城镇人口数据的重要来源。但是由于人口普查的城镇人口定义在不断变化,城镇人口数据很多是前后不一致的,必须进行相应调整。本文首先讨论改革时期新的城市化进程,澄清城镇人口定义的变化,然后概括地说明估计全国和区域城镇人口所用的一个基于双轨城市化概念模式的区域方法。将调整后的1982年和2000年人口普查得到的城镇人口作为计算的基础数据,对1982~2000年中国各省的城市化水平进行估计。在估计结果的基础上,分析1982~2000年中国城市化过程的主要空间特征。揭示了1982~2000中国省级区域城市化发展的主要趋势。本文最后为将来城镇人口的统计提出一些建议。     

基于人口分布空间特征的市民化压力研究

改革开放以来的人口大规模迁徙导致中国人口分布格局发生剧烈变动,成为人文地理学关注的热点问题。以2010年第六次人口普查数据为支撑,采用人口总量指标研究中国户籍人口、常住人口及二者比例关系的分布特征,利用探索性空间数据分析技术研究人口空间分布规律。结果表明：中国人口分布整体依然呈现“东多西少”格局,且存在较强的空间集聚性;户籍人口、常住人口的分布主要表现为沿交通线、经济带集聚的格局,且常住人口分布的经济指向性更强;人口迁移格局较为清晰,东部沿海地区是主要的人口流入区,而中部地区多为人口外流区;人口迁移导致户籍人口与常住人口的热点区域存在较大差异,但热点区域集中在泛珠三角区域及长三角核心区。基于人均GDP及常住人口/户籍人口比值,将研究单元分为四类,对各个类型的常住人口/户籍人口比值、市民化压力、发展状况及三者关系进行探讨,为后续城镇化建设提供相关参考。     

Mapping fine-scale population distributions at the building level by integrating multisource geospatial big data

Fine-scale population distribution data at the building level play an essential role in numerous fields, for example urban planning and disaster prevention. The rapid technological development of remote sensing (RS) and geographical information system (GIS) in recent decades has benefited numerous population distribution mapping studies. However, most of these studies focused on global population and environmental changes; few considered fine-scale population mapping at the local scale, largely because of a lack of reliable data and models. As geospatial big data booms, Internet-collected volunteered geographic information (VGI) can now be used to solve this problem. This article establishes a novel framework to map urban population distributions at the building scale by integrating multisource geospatial big data, which is essential for the fine-scale mapping of population distributions. First, Baidu points-of-interest (POIs) and real-time Tencent user densities (RTUD) are analyzed by using a random forest algorithm to down-scale the street-level population distribution to the grid level. Then, we design an effective iterative building-population gravity model to map population distributions at the building level. Meanwhile, we introduce a densely inhabited index (DII), generated by the proposed gravity model, which can be used to estimate the degree of residential crowding. According to a comparison with official community-level census data and the results of previous population mapping methods, our method exhibits the best accuracy (Pearson R = .8615, RMSE = 663.3250, p < .0001). The produced fine-scale population map can offer a more thorough understanding of inner city population distributions, which can thus help policy makers optimize the allocation of resources.     

京津冀人口时空变化特征及其影响因素

基于2000和2010年人口普查和社会经济数据、2015年12月13日-25日百度迁徙数据及地理空间数据等多源数据,从人口分布格局与流动格局两个角度,探讨近年京津冀地区人口时空变化特征及其影响因素。研究表明：① 2000-2010年,京津冀地区呈现出明显的由自然地理条件与交通区位因素影响下的人口疏密特征、社会经济发展影响下的京津圈层特征,河北则缺少发育成熟的区域次级中心,京津冀地区人口普遍增加,且以人口显著增加为主要特征;② 人口普查的长时段迁移数据分析发现,京津冀人口流动活力增强,人口流入格局更为集聚;百度迁徙的短时段数据分析发现,北京是人口流入和流出的高热城市,天津是人口流出的较热城市,北京、天津、廊坊三地之间人口流动最为活跃,且以北京为核心的城市间人口流动较为活跃;③ 人力资本积累、产业结构特征、城镇发展水平、基期的经济发展水平、乡村化指数、公共服务水平,以及地理交通区位和地形起伏特征,是京津冀县域常住人口长时段内集散变化的主要影响因素,而短时段人口流动方向与数量还受节假日与季节的叠加影响。从城市功能、场强、网络及其演化的综合视角,更有助于深化人口集疏变化的地理研究。     

Projected changes in population exposure to extreme heat in China under a RCP8.5 scenario

Overall population exposure is measured by multiplying the annual average number of extremely hot days by the number of people exposed to the resultant heat. Extreme heat is also subdivided into high temperature (HT) and extremely high temperature (EHT) in cases where daily maximum temperature exceeds 35°C and 40°C, respectively. Chinese population exposure to HT and EHT over four periods in the future (i.e., 2021–2040, 2041–2060, 2060–2081 and 2081–2100) were projected at the grid cell level in this study using daily maximum temperature based on an ensemble mean of 21 global climate models under the RCP8.5 scenario and with a population projection based on the A2r socio-economic scenario. The relative importance of population and climate as drivers of population exposure was evaluated at different spatial scales including national and meteorological geographical divisions. Results show that, compared with population exposure seen during 1981–2010, the base period, exposure to HT in China is likely to increase by 1.3, 2.0, 3.6, and 5.9 times, respectively, over the four periods, while concomitant exposure to EHT is likely to increase by 2.0, 8.3, 24.2, and 82.7 times, respectively. Data show that population exposure to HT is likely to increase significantly in Jianghuai region, Southwest China and Jianghan region, in particular in North China, Huanghuai region, South China and Jiangnan region. Population exposure to EHT is also likely to increase significantly in Southwest China and Jianghan region, especially in North China, Huanghuai, Jiangnan, and Jianghuai regions. Results reveal that climate is the most important factor driving the level of population exposure in Huanghuai, Jianghuai, Jianghan, and Jiangnan regions, as well as in South and Southwest China, followed by the interactive effect between population and climate. Data show that the climatic factor is also most significant at the national level, followed by the interactive effect between population and climate. The rate of contribution of climate to national-level projected changes in exposure is likely to decrease gradually from ca. 70% to ca. 60%, while the rate of contribution of concurrent changes in both population and climate is likely to increase gradually from ca. 20% to ca. 40% over the four future periods in this analysis.