中國西南山地流域人口空間分布影響因素探究
——以貴州烏江流域為例

程東亞，李旭東

(貴州師范大學 地理與環境科學學院, 貴州 貴陽 550025)

人口分布是一定時期歷史、經濟、自然等條件共同作用的結果,其研究是當今學術研究的熱點和重要領域[1-5]。探究人口空間分布影響因素,是尋找和制定人口政策的重要手段。在人口分布影響因素中,最重要是社會經濟因素影響,自然因素基礎作用也不可忽視。谷國鋒等學者研究東北人口空間特征中認為,該區域人口分布主要受自然、經濟和歷史等因素影響[6]。張紅等研究荊州分洪區人口變化中認為:土地利用特別是城鎮和農村居民點變化是引起區域人口分布的重要因素[7]。趙東霞等研究中國老年人口稀疏格局中發現,自然、經濟、城市化等是人口格局形成的關鍵因素[8]。茆長寶等對浙江省人口分布機制研究中發現,該區域人口分布受“經濟-政府-交通”等多重效應影響,經濟因素影響并不一致的保持穩定特征[9]。康維娜研究人口遷移中認為,社會經濟因素對人口遷移起到重要作用,其中非農收入比與道路連接度對個人遷移決策發揮著極為重要作用[10]。曾永明對川西地區人口遷移研究中認為,在(川西)復雜地形區人口分布較為復雜,傳統OLS模型在人口密度影響總體上高估自然環境因子影響,低估經濟社會因子[11]。以上文獻可以發現,人口分布影響研究已有一定基礎。但在影響人口分布的各種要素在空間上是如何變化,變化規律又是如何等研究文獻相對較少。由于空間回歸數據限制,探究人口空間變化特征和規律,不易進行空間統一尺度測算和因素分析,人口空間影響探究需進一步加強。同時,由于各區域資源稟賦、經濟水平、地理環境差異,各種人口要素影響程度不可能完全一致,區域間存在微小差異。因此,探究各種影響因素空間差異和空間影響過程對人口分布研究具有重要意義。

中國西南地區地理環境十分復雜,該區域開展人口分布研究意義獨特。首先,中國西南山地眾多,山區小范圍內產生巨大的自然地理環境差異,對人口分布影響明顯。其次,中國西南地區經濟欠發達且區域經濟差異明顯,研究該區域人口分布可以很好反映經濟要素對人口影響。最后,在中國西南農村人口較多、基礎設施尚需完善,該區域可以很好反映地理環境與社會環境影響下人口空間分布狀況。因此,結合以上特點,選擇自然地理環境復雜(喀斯特分布廣泛、海拔落差大)、社會經濟差異明顯(既有區域中心城市又有國家級貧困縣區)的貴州烏江流域,探究影響人口空間分布因素及不同要素空間影響趨勢,以期研究成果能為人口政策制定、山區發展提供科學參考,并為山地資源環境研究提供有益借鑒。

1 數據與方法

1.1 數據來源

文中人口、面積、社會經濟數據等來源于《貴州統計年鑒2016年》[12]、《中國縣域統計年鑒(縣市卷)2016年》[13]和《貴陽統計年鑒2016》[14]。人口均是2015年年末常住人口數據,人均GDP等人均社會經濟指標均采用常住人口求取計算。部分縣區面積通過政府官方網站及ArcGIS軟件矢量文件計算得出，所選擇縣區未包括部分流域流經范圍較少縣區。DEM數據來源于中國科學院計算機網絡信息中心地理空間數據云平臺(http://www.gscloud.cn/),其分辨率為 90m。各縣區海拔利用ArcGIS分區統計求取，采用平均值計算。

1.2 研究方法

地理加權回歸(geographically weighted regression,GWR)模型是對傳統回歸模型的改進和擴展,對于傳統統計分析來說,忽視空間之間差異性和相互依賴[15-17]。地理加權回歸其擴展方式是在傳統線性模型的基礎上改進,將區域地理位置信息加入到回歸參數之中,能夠反映地理現象空間變化趨勢以及異質性[15-18]。其函數表達式為[17-18]

(1)

其中表達式中y為某個區域的人口數量,k為進行地理加權回歸的樣本數量,(ui,vi)為某個區域地理坐標中心(縣區面狀數據利用ArcGIS默認方式求取),b0為常數,bi為自變量回歸系數,xij為自變量,εi為隨機誤差值。

根據函數表達式(1)可構建貴州烏江流域人口分布影響因素的函數關系式。參考以往研究,文章用自然因素和社會經濟因素探究人口分布空間影響。基礎自然要素影響包括國土面積(a)和地形(b),地形影響用海拔來表征。社會經濟要素主要從經濟(c)、產業(d)、財政(e)和教育(f)來探究,分別用人均GDP、第一產業占比、人均財政支出、萬人擁有中學數量表征,醫療對人口分布產生重要影響,由于數據缺失,暫不納入研究范圍。文章構建地理加權回歸表達式[17-18]為

(2)

由于回歸系數是空間結果,則bi值在空間中存在一定趨勢,該趨勢可以表示為各種要素空間影響程度。若回歸系數b大于0,則表示正影響,系數越大說明實際影響程度越高。如回歸系數b小于0,則表示為負影響,系數越小說明實際影響程度越高。

2 人口、自然、社會經濟基本特征分析

2.1 人口基本特征

2015年貴州境內烏江流域(以下簡稱流域)人口最多為七星關114.93萬人,人口最少為龍里縣16.04萬人,縣區平均人口數量49.08萬人,平均人口密度為267.69人/km2。流域內人口數量來看(見圖1),云巖、南明、遵義縣、七星關等縣區人口數量高,均在60萬人以上。龍里、烏當、息烽等縣區人口數量低,均在25萬人左右。流域上游人口分布多,如織金、納雍等縣區。貴陽市周邊形成了一個特殊人口分布區,貴陽市轄區人口相對較高,周邊郊區郊縣人口相對較少。流域東部和河流中下游人口分布均衡且稀少,多縣區人口在30萬人左右。值得注意的是,雖云巖、南明國土面積較小,但人口多在50萬以上，人口密度處于流域較高水平。

圖1 2015年貴州烏江流域各縣區人口數量Fig.1 Population of the Wujiang River Basin of Guizhou Province

半變異函數是一種空間異質性分析方法[19],文章采用ArcGIS地統計分析工具直接得出半變異函數和協方差圖(見圖2),簡單描述人口空間分布的異質性。從半變異函數來看,隨著距離增加,流域人口逐漸分散,該分散趨勢并不明顯,由此說明流域人口空間集聚特征不明顯,即空間異質性不明顯。協方差云顯示,流域人口分布具有一定趨勢,但該趨勢在空間表現不明顯,與半變異函數趨勢基本一致。綜上看,流域人口分布空間異質性不明顯,空間集聚程度較低。

2.2 自然和社會因素特征

流域縣區國土面積差異較大(表1),2015年國土面積最高為遵義縣4 094km2,國土面積最小為云巖區92km2,縣區平均國土面積1 833.60km2。流域內人均GDP差異較大,花溪區人均GDP最高7.71萬元,人均GDP最低務川1.59萬元,兩者差超5萬元。在產業結構上,流域內云巖第一產業占比最低,不足0.1%。流域第一產業結構占比最高為道真37.52%。流域內第一產業占比平均值18.37%,流域第一產業比例過高。人均財政支出指標層面,各縣區差異明顯,人均財政支出最高1.88萬元,最低0.43萬元,平均財政支出0.81萬元。萬人擁有中學數量最高為正安0.99所,最低為普定0.38所,縣區平均值0.72所。縣區平均海拔分布上,海拔最高赫章2.00km,最低思南0.71km,流域平均海拔1.20km。從以上可以看出,流域內自然條件和社會經濟條件差異明顯,探究各要素影響十分必要。

圖2 人口半變異函數和協方差云Fig.2 Semivariogram and covariance cloud of population

因子指標含義指標單位樣本量最小值(M)最大值(X)平均值(E)標準偏差 人口常住人口數量萬人4216.04114.9349.0824.34 面積縣域面積km24292.004 094.001 833.60998.62 地形平均海拔km420.712.001.200.29 經濟人均GDP萬元421.597.713.641.79 產業第一產業占比%420.0937.5218.3711.55 財政人均財政支出萬元420.431.880.810.26 教育萬人中學數量所/萬人420.380.990.720.14

各要素空間趨勢(見圖3)看,流域面積東西方向呈現西南、東北高,中部低,南北方向呈現北高南低。海拔(地形)空間分布特征上,大致呈現西高東低,南高北低。經濟東西方向呈現中高東、西低,南北方向上呈現南高北低。第一產業結構(產業)空間分布特征:東西方向呈現中部低兩側高,南北方向呈現北高南低。人均財政支出(財政)在空間上趨勢不如其他要素明顯,總體呈南高北低特征。萬人擁有中學數量(教育)空間趨勢明顯差異,東西方向呈中低兩側高,南北方向呈南低北高。總體看,流域自然和社會經濟要素差異明顯,具有一定空間趨勢,適合探究地理環境對人口分布影響。

2.3 相關性分析

相關系數結果(見表2)來看,人口與面積呈現顯著正相關,相關系數為0.308,顯著性0.047。即面積越大,縣區人口越多,一定程度說明國土面積是承載人口的基礎。人口與地形呈現顯著正相關,相關系數為0.382,顯著性0.012。人口與經濟呈正向關聯,但不顯著。產業選取第一產業,產業與人口呈不顯著負相關。財政與人口呈顯著負相關,相關性-0.551,顯著性0.000。財政與人口負相關,表明流域財政投入無法有效吸引人口增長,經濟發展相對滯后。教育與人口呈不顯著正相關,經濟和面積呈負相關,國土面積較大則人均GDP可能越低。第一產業與經濟呈現顯著負相關,說明經濟發展過程中第一產業結構降低,第一產業變化是反映經濟發展的重要指標。

圖3 各要素空間趨勢圖Fig.3 Space trend chart of influence factors

3 地理加權回歸分析

3.1 參數檢驗

Bandwidth是地理加權回歸重要參數,該帶寬采用ArcGIS默認值計算最優結果。地理加權回歸殘差Residual Squares和Effective Number分別為8 950.78，7.01(見表3)。地理加權回歸Sigma和AICc分別為15.99，364.77。地理加權回歸擬合值R2為0.63,調整后R2(R2Adjusted)為0.57。標準殘差結果顯示(見圖4),大于2.5標準殘差縣區較少,無小于-2.5標準殘差。由于研究中指標多且差異明顯,根據以上參數,認為模型整體上尚可滿足研究需要。

3.2 模型檢驗

地理加權回歸模擬結果(見圖5)來看,模型整體模擬效果尚可。大部分縣區人口模擬百分誤差小于30%,僅有少部分縣區人口百分誤差大于30%。42個縣區中,模擬誤差最大為龍里和貴定,其百分誤差為93.58%，95.53%,兩縣區模擬結果嚴重偏離。百分誤差大于50%縣區,僅有修文、息烽、龍里、貴定、福泉等,占比不足15%,因此研究認為此模擬結果基本可靠。

3.3 結果描述性統計

文章選取6個要素與人口進行地理回歸,結果顯示面積、地形、經濟、教育表現為正回歸系數(見表4)。即隨著這些要素增長,人口呈現增加趨勢,但產業和財政對人口呈現負回歸系數。正回歸系數中,面積平均回歸系數0.01462550,地形平均回歸系數10.43304961,經濟平均回歸系數1.94149164,教育平均回歸系數36.68422540。正回歸系數中,地形和教育極差相對較大,分別為0.00878678，0.03107470。負回歸系數中,產業平均回歸系數-1.24441078,財政平均回歸系數-48.85301830,兩者極差分別為0.00080159，0.03559985。

表2 相關系數表Tab.2 Correlation coefficient table

* 在置信度為 0.05 時,相關性是顯著的。** 在置信度為 0.01 時,相關性是顯著的。

表3 地理加權回歸模型參數Tab.3 Geographically weighted regression model parameters

圖4 地理加權回歸標準殘差圖Fig.4 Geographically weighted regression standard residual plot

注:自變量均為人口

4 影響因素空間特征分析

4.1 自然影響因素空間特征分析

面積對人口影響大致呈現赫章—貴定沿線遞減。對于流域縣區來說,西北部縣區面積越大,人口相對越多。圖6中可以發現,西北部(赫章、七星關等)縣區人口數量相對較多,這些縣區國土面積較大,空間影響程度更大。從赫章—貴定、道真—龍里(花溪),這兩條西北—東南、東北—西南方向回歸系數呈現越來越小特點。整體來看,西北部地區影響更強烈,東北部影響次之,東南(貴定—印江)沿線屬面積影響低值區。

圖6 自然影響因素回歸系數Fig.6 Natural influence factors regression coefficients

地形對人口影響(見圖6)呈現出西南—東北方向逐漸遞增趨勢。海拔對流域東北部人口影響更加強烈,主要為道真、思南、沿河等縣區。流域東北部地廣人稀是導致該特征的重要原因。流域西南部,赫章、納雍、水城等縣區海拔高,地形(海拔)對人口影響不如東北部強烈。中部地帶屬于過渡地區,地形(海拔)對人口影響處于中等水平。

4.2 社會影響因素空間特征分析

經濟對人口影響回歸系數(見圖7)呈現西南—東北方向逐漸降低特征。流域上游西南部縣區赫章、水城、六枝等縣區屬于經濟對人口影響高值區,印江、沿河、道真等縣區屬于經濟對人口影響低值區。貴陽周邊屬于經濟次高值區,經濟對人口影響處中等水平。在貴陽周邊可能是模型問題,該區域經濟對人口影響可能被低估。畢節市等周邊地區經濟欠發達,對人口影響較為突出。

產業對人口影響回歸系數(見圖7)呈現出西南部高、東北部低特征。西南部縣區產業對人口影響在南部更為強烈,尤其是普定、西秀等周邊。東北地區產業對人口分布影響相對偏低,這些縣區比較集中。東北部縣區產業對人口影響較小,主要原因是該區域人口數量較少,地理環境復雜,農業從業人口多。產業在西北部地區影響系數更大,主要原因在于該區域人口較多,高原地區較為平坦,有利于高原農業生產,從而影響人口分布。

財政對人口影響系數(見圖7)在西北較高,最高區域為七星關和赫章,最低主要集中東南縣區。財政表現為負回歸系數,這種回歸系數變化特征從畢節向周邊擴散趨勢。主要原因是畢節等地區人口相對較多,經濟欠發達。財政支出對人口影響較低區域主要集中在東南部,東南部地區較低大致呈現印江—花溪延伸特征。

教育對人口分布影響(見圖7)從東南—西北逐漸降低特征。研究選取教育對人口影響指標是基于中學數量,這可能存在一定偏差。教育對人口影響向貴陽周邊偏移,主要原因在于貴陽周邊經濟相對發達。西北部地區人口較多,但是人均中學學校數量也較多,故該區域表現為教育對人口總體影響小于其他區域。

圖7 社會因素回歸系數Fig.7 Social factors regression coefficients

5 結論與討論

5.1 結 論

貴州烏江流域面積、經濟、地形(海拔)、教育對人口空間分布呈現促進作用,產業(第一產業占比)、財政對人口空間分布呈現抑制作用。地理加權回歸結果顯示,選取的6個指標中,區域面積、經濟、地形和教育空間回歸系數均為正向,即隨著這些要素的提升,人口空間呈現增長趨勢。產業和財政回歸系數均為負向回歸系數,即隨著產業和財政支出增長,人口空間趨于下降。

貴州烏江流域人口空間分布正影響回歸系數中:面積影響呈現赫章—貴定遞減,地形(海拔)影響呈現西南—東北遞增,經濟影響呈現西南—東北遞減,教育影響呈現福泉—赫章遞減。正影響因素中,區域面積對人口影響為正影響,影響系數最高位于赫章、七星關等地,影響系數最低位于貴定、福泉等地。地形對人口的影響系數東北道真、務川等最高,西南六枝、水城等縣區系數最低。經濟對人口空間影響系數沿河、印江等地最低,赫章、水城等地最高。教育對人口影響空間回歸系數在福泉—石阡沿線系數最高,赫章—七星關屬于最低系數區。

貴州烏江流域人口空間分布負影響回歸系數中:產業影響呈現西南—東北遞減,財政影響呈現福泉—赫章遞增。文章選取的6個要素中,僅產業和財政對人口空間分布負系數。產業對人口影響回歸系數在道真、印江等最低,西南部赫章、水城等縣區最高。財政影響中,印江、貴定等屬于西南部較低負回歸系數,西北部赫章屬于最高水平。值得注意的是,正回歸系數和負回歸系數意義不同。當負回歸系數越小,則說明實際負影響程度越高。

5.2 討 論

人口分布與地理環境有密切關系,山區人口分布不同于平原,喀斯特廣泛分布的烏江流域人口分布更不同于普通山區。文章基于自然地理環境和社會經濟環境對流域人口分布進行探究,各種要素空間趨勢均具有明顯差異。自然因素文章選取自然要素即國土面積和地形。一般情況下,國土面積越大所能承載人口越多。流域國土面積對人口影響呈現西北高和東北次之的特征,這與國土面積大小表現不一致。例如流域西北和東北國土面積都相對較大,但西北人口更多,東北人口卻更少。地形對人口影響在空間上呈現東北—西南遞減特征,東北部影響更大,更可能是地形起伏度大導致,西南部畢節高原地區卻呈現較為平坦特征,這種地形影響可能更小。同時,流域東北部下游地區地理環境復雜,不利于人口分布,但可能影響產業結構,特別是第一產業結構。社會經濟要素對人口影響在空間上不一致,經濟對人口影響呈現西南高、東北低特征,為何在西南部影響更高,原因尚不明確。文章認為西南部縣區人口相對較多,經濟欠發達,人口容易產生外流現象,經濟因素影響更加強烈。第一產業對人口影響回歸系數在空間上也呈現西南高、東北低特征。一般來說,第一產業較高地區,經濟欠發達,技術欠發達,導致農村人口較多,也影響人口空間布局。人均財政支出和人均GDP屬于經濟因素影響,但影響程度和影響方式具有差異,財政影響系數呈現西北—東南遞減。由于財政為負回歸系數,東南部值較小,實際說明負影響程度越高,出現該特征的原因不得而知。教育對人口影響在空間上呈現東南—西北下降特征,這種影響主要是東南部萬人中學數量相對較少所產生,該特征可能是貴陽影響,貴陽高等教育相對較好,但萬人擁有中學數量并不占優勢。

文章基于地理加權回歸模型,探究西南山地流域人口空間分布影響因素。文章結果可為山區資源開發和人口政策制定提供一定參考。文章選取的地形因子中,以海拔來表征。雖然海拔作為最重要的地形因子之一,可在一定程度反映地形對人口影響。但影響人口的地形因子相對較多,僅選擇海拔可能略顯不足。醫療資源對人口具有影響,由于文章數據缺失,未將醫療納入到影響因素中。醫療對人口影響在地形復雜的山地流域,影響程度和趨勢如何仍然不清楚。因此,文章有以下方面需要今后進一步延伸探究:①自然因素中,納入到坡度、起伏度等地形因子,探究不同地形因子的空間影響程度和空間趨勢。②探究醫療條件對人口的空間影響程度,以及納入醫療指標后是否影響其他指標空間趨勢。