2000—2020年中国人口分布格局演变及影响因素

基于第五、六、七次全国人口普查数据,本文分析了2000—2020年中国人口分布的空间格局、集散态势和影响因素。结果表明,中国人口分布依然保持东密西疏的基本格局,胡焕庸线两侧的自然地理环境差异性决定了这一格局的长期稳定性;人口空间集中化趋势在21世纪初的10年内主要发生在东南半壁,但在2010—2020年间成为各区域的共同特征。省会城市的人口集聚能力持续增强,2010—2020年的优势更加凸显,但这种行政力量主导的首位度提升效应将随着全省发展阶段的演进而逐渐弱化。人口变动的区域分化明显：沿海城市群的空间连绵化逐渐形成了强吸引力、高承载力的沿海人口增长带,东北地区几乎转向全面的人口收缩,中部各省依托省会展开的人口竞争依然激烈,川渝黔地区普遍实现了人口的止降回增,西北地区则面临人口收缩风险。此外,区域人口增长的驱动因素逐渐从经济要素主导转为经济要素和舒适性要素并重,各地区舒适性的差异可能将成为影响未来人口空间格局变化的重要因素。     

社会经济统计数据空间化研究进展

社会经济统计数据通常是以各级行政区为单位的汇总数据,它虽然能反映统计单元之间的差异但却不能反映统计单元内部的异质性,在实际应用中,无法满足统计任意区域内的社会经济数据的需求,而社会经济统计数据空间化则是有效解决该问题的一条重要途径。本文对现有社会经济统计数据的空间化方法、社会经济统计数据空间化过程所依赖的辅助数据、现有主要的社会经济空间化数据产品进行了归纳总结,并从空间化方法的制约因素和改进方向、新型辅助数据的探索和多源辅助数据的综合利用、高时空分辨率和高精度数据产品研发3个方面展望了社会经济统计数据空间化的未来发展趋势。研究结果可为社会经济统计数据空间化方法的选择与改进、辅助数据的选择与综合利用、社会经济空间化数据产品的选择与改进提供参考。     

1992—2018年中国旱作农田土壤湿度的时空模式及气象驱动因素

土壤湿度作为影响陆气水热交换的重要变量,指示了干旱的演变特征。为揭示中国旱作农田土壤湿度的变化特征及其气象驱动要素,本文利用站点数据研究了1992—2018年中国旱作农田土壤湿度变化趋势的时间和空间特征,采用相关性、敏感性分析等方法探究了土壤湿度的驱动机制。结果表明：2001年中国旱作农田土壤湿度的变化趋势发生转折,土壤湿度年际变化普遍由下降趋势变为上升趋势,主要由夏季和秋季土壤湿度主导。而且土壤湿度的变化存在空间异质性,2001年后东北地区的土壤湿度在显著增加,而西南地区在显著下降。降水量和蒸散发的时空变化是土壤湿度趋势发生时空变化的主要原因,二者存在协同作用,北方地区由降水主导,南方地区由蒸散发主导。     

长江经济带城市水资源利用效率的空间关联网络及形成机制

探讨城市水资源利用效率空间关联网络特征及其形成机制可为实现区域用水效率协同提升提供新的政策视角。本文以长江经济带107个地级及以上城市为研究样本,首先,利用随机前沿分析法（SFA）测算出其2009—2018年水资源利用效率,并基于此构建其空间关联矩阵,继而采用社会网络分析法考察城市水资源利用效率空间关联网络的整体结构、个体结构及其空间聚类方式,最后采用二次指派程序法探讨网络形成机制。结果表明：① 城市水资源利用效率整体仍处于较低水平,但研究期内提升显著,空间关联网络格局显现,且整体网络可达性较强,几乎不存在非对称性可达的联系对,仍存在关联不紧密、网络结构稳定性欠佳等问题;② 上中下游地区的中心城市发挥着中心行动者、中介沟通者的重要作用,呈现“中心城市—非中心城市”的“核心—边缘”空间分布特征;③ 城市水资源利用效率空间关联板块可划分为净溢出、主受益和双向溢出板块,各板块成员组成符合长三角城市群、长江中游城市群、成渝城市群的分布特征;④ 城市间地理邻近性差异、经济发展水平差异、对外开放程度差异等自然地理条件和社会经济因素对城市水资源利用效率关联网络的形成具有显著影响。     

顾及空间尺度效应的城市土地利用变化精细化模拟

城市土地利用变化模拟是优化土地资源配置的科学依据,提高其精细化程度和可靠性有助于准确把握城市用地发展趋势,对城市土地资源精准调控具有重要意义。基于宏观遥感分类的土地利用变化模拟,难以在街区尺度上揭示城市用地社会功能变化及精细化模拟中空间尺度效应来源和作用机理。本文联合遥感影像和POI数据识别出城市土地利用精细化特征,运用响应面法率定土地利用精细化模拟的最优空间尺度组合,在此基础上,利用CA-Markov模型开展了未来土地利用变化的精细化模拟。以武汉市中心城区为应用案例,研究结果表明：基于POI 的城市土地利用精细化识别方法,可以深度解析城市建设用地的社会功能,极大改善了传统基于遥感的土地覆被宏观解译效果;研究区土地利用变化元胞自动机精细化模拟的最优空间尺度组合是30 m元胞、7×7邻域以及冯诺依曼邻域类型,采用最优空间尺度组合能够提高土地利用变化精细化模拟的可靠性。响应面试验设计结果可有效识别精细化模拟过程中空间尺度效应的主要来源,并区分其对模拟精度的影响程度与正负效应;预计到2025年,研究区建设用地范围将继续向周边扩张,各类型用地之间互为交织,土地利用空间格局将呈更加破碎化趋势。     

土壤粒径空间预测方法研究综述

土壤粒径（砂粒、粉粒和黏粒）是各种陆表过程和生态系统服务评估等模型的关键参数。作为一种土壤成分数据,土壤粒径的空间预测方法有和为1（或100%）等特殊要求,其空间分布精度受预测方法影响较大。本文针对土壤粒径相较于其他土壤属性的特殊性,提出了土壤粒径空间预测方法框架,综述了土壤粒径数据变换、空间插值和精度验证等系列方法,总结了提升土壤粒径空间预测精度的各种途径,包括通过有效的数据变换改善数据分布、结合数据分布特点选择合适的预测方法、结合辅助变量提升制图精度和分布合理性、使用混合模型提升插值精度、使用多成分联合模拟模型提升预测的系统性等。最后,提出了今后土壤粒径空间预测方法研究的未来方向,包括从考虑数据变换原理和机制角度改善数据分布、发展多成分联合模拟模型和高精度曲面建模方法,以及引入土壤粒径函数曲线并与随机模拟结合等。     

长江经济带主要城市群2h出行交通圈格局特征

城市群作为城镇化高级阶段区域社会经济发展和参与国际竞争的主要空间载体,良好的交通通达性是其高质量发展的必要条件。以《交通强国建设纲要》提出的城市群2h通达目标为研究视角,以长江经济带3个国家级城市群为研究对象,选取加权平均出行时间作为测度指标并引入场强和引力模型,对比分析3个城市群所有城市与中心城市两个层级2h出行交通圈格局特征。研究发现：① 3个城市群出行交通圈均表现为从中心向外围地区呈现出由低到高连续扩大的“圈层式”空间格局特征,且长三角和成渝城市群分别形成了“>”字型和“十”字型2h出行廊道,但长江中游城市群尚未形成2h出行廊道。② 城市群中心城市2h出行交通圈的空间分布受区位条件影响较大,越接近区域几何中心则2h出行交通圈覆盖范围越大,而影响腹地受中心城市综合规模的作用明显,3个城市群各中心城市2h出行交通圈和影响腹地的空间分异显著。③ 不同城市群中心城市2h出行交通圈衔接联系水平差异显著,表现出多元的圈层叠加的经济联系格局。④ 高密度高速公路路网在提高城市群中心城市2h出行交通圈衔接联系水平中发挥重要作用,按衔接联系模式特征可将各城市群总结为多中心网络型、多中心组团型与双中心轴辐型。     

基于“七普”的“胡焕庸线”两侧人口集疏新态势及影响因素

随着新型城镇化建设的推进,“胡焕庸线”两侧人口发展出现了新态势。本文基于第七次人口普查数据,依据地级尺度划定的“准胡焕庸线”,分析2010—2020年“胡焕庸线”两侧人口集疏模式的新特征,并探讨影响因素。研究表明：① “胡焕庸线”依然稳定,2020年东南半壁与西北半壁的人口比为93.5∶6.5;② 西北半壁人口份额仍然微增,但是增幅较之前明显下降; ③ 2010—2020年西北半壁人口集中化指数由降转增,西北半壁和东南半壁的人口分布集中化程度均有所提升;④ 东南半壁人口集疏分化不断强化,2010—2020年人口负增长区的面积占比已达54.22%,超过人口正增长区;西北半壁人口集疏的马太效应特征愈发明显,人口负增长区占比也已升至26.15%;⑤ 省会首府人口增长优势愈发突出,且西北半壁比东南半壁更为明显;⑥ 经济发展水平、城区人口规模等级、行政区划等级等因素与区域人口变动显著相关;西北半壁行政区划等级对人口增长的影响效应尤为突出。综合来看,西北半壁已经出现与东南半壁相似的人口集疏过程,人口集疏模式已突破了“胡焕庸线”。中国即将迎来人口总量拐点,人口城镇化进程逐步减速,密切关注“胡焕庸线”两侧人口发展的新特征,对推动全国各区域协调发展具有重要的战略意义。     

数字经济发展对城市碳排放影响的空间效应

为探讨数字经济对城市碳排放影响的空间效应,基于2011—2017年286个城市面板数据综合测度数字经济发展水平,运用空间杜宾模型及空间DID模型分析数字经济发展对城市碳排放的影响。主要得到以下结论：① 数字经济发展存在明显的空间异质性,发展格局从“多点式”零星分布向“组团式”聚集形态转变,但各城市发展层级差距仍未改善,长三角成为重要的数字经济高水平集聚区。② 数字经济发展显著改善了城市碳排放,通过引入“智慧城市”这一外生政策冲击进行检验,发现结论具有稳健性,而且这种效应存在明显的空间异质性,东部地区数字经济发展对碳排放的负向影响作用较强,位于城市群内部的区域受数字经济的影响更大。③ 数字经济发展对碳排放的作用在不同经济圈层内有所差异,空间外溢具有边界效应,在1100km处外溢达到峰值。④ 数字产业发展、数字创新能力以及数字普惠金融是数字经济影响城市碳排放效应发挥的重要因素。     

基于机器学习模型的区域土壤重金属空间预测精度比较研究

为识别区域土壤重金属的空间变异特征并厘清其影响因素,本研究构建了多元线性回归（MLR）、弹性网络回归（ENR）、随机森林（RF）、随机梯度提升（SGB）、堆叠（stacking）集成模型、反向传播神经网络（BP-ANN）、基于模型平均的神经网络集成（avNNet）、线性核支持向量机（SVM-L）和高斯核支持向量机（SVM-R）共九种机器学习模型,利用山东省中部土壤重金属（Cd、Cu、Hg、Pb和Zn）和环境辅助变量数据,开展区域土壤重金属空间预测精度比较研究。结果表明：RF对五种重金属空间预测的决定系数（R²）介于0.263~0.448之间,平均绝对误差（MAE）和均方根误差（RMSE）分别小于8.408和10.636,预测值/实际值（P/O）均接近于1,对五种重金属的预测效果均较为理想,是研究区土壤重金属空间预测的最优模型;SVM-R整体预测性能仅次于RF,各项精度评价指标均相对稳健,可作为备选模型;其余七种模型的预测性能均明显低于RF和SVM-R。RF的空间预测结果显示,研究区五种重金属呈现出相似的空间分布格局,含量均由研究区东北部向西南部递减,包括东北部、北部和南部3个高值区,且高值区与当地工业–交通密集区的分布格局一致,反映出人类活动是研究区土壤重金属空间分异的主要影响因素。本研究可为区域土壤污染调查、评价和管控提供科学参考。