城市人口空间分布模拟与格局分析——以沈阳市为例
城市人口增长的空间格局
城市人口增长的空间格局随着经济的快速发展和城市化进程的推进，城市人口增长成为当今世界的一个普遍现象。
城市人口增长的空间格局对于城市的规划与发展具有重要的指导意义。
本文将从不同角度探讨城市人口增长的空间格局，并分析其中的相关因素。
1. 经济发展和城市人口增长之间的关系经济发展是城市人口增长的重要驱动力之一。
经济繁荣吸引了大量的人口涌入城市。
一方面，城市提供了更多的就业机会和高薪岗位，吸引了进城务工人员和高学历人才；另一方面，城市中的商业中心、文化娱乐设施以及各类服务机构也吸引了人们的聚集。
因此，经济发展水平高的城市通常也是人口增长较快的城市。
2. 城市间不同规模的人口增长差异无论是大城市还是小城镇，人口增长都存在差异。
大城市往往具有更强的吸引力，因此人口增长速度较快。
这是因为大城市集聚了更多的社会资源和发展机会。
而小城镇由于资源和发展机会相对有限，人口增长速度较慢。
此外，一些区域性经济中心也会吸引周边城市的人口向其聚集，从而形成人口增长的热点区域。
3. 城乡人口流动对城市人口增长的影响城市人口增长往往伴随着农村人口向城市的流动。
城市的高薪岗位、良好的教育资源和医疗资源等吸引了越来越多的农民工和农村居民进城。
这种城乡人口流动对城市人口增长的空间格局产生了深远影响。
一方面，农民工集中居住的工人新村、农民工集中安置点等地区人口急剧增长；另一方面，城市的富裕区域也因为农民工等低收入人口的涌入而形成了明显的贫富分化。
4. 城市发展与人口增长的空间分布关系城市的发展往往伴随着城市人口的快速增长，城市发展和人口增长之间存在密切的空间分布关系。
随着城市发展的进一步推进，城市人口向城市周边地区和辐射区扩散。
这导致城市边缘地区的人口增长速度明显快于城市核心区。
在一些发展不平衡的地区，富裕地区的人口增长远远快于贫穷地区。
这种空间分布差异不仅加剧了城市贫富差距，还带来了诸多的社会问题和环境挑战。
5. 城市人口增长的空间格局调控为了实现城市人口增长的良性发展，需要科学合理地调控城市人口的空间格局。
江西省人口分布空间自相关分析
江西省人口分布空间自相关分析冒小栋;刘琼芳【摘要】在空间统计相关理论基础上，利用ArcGIS和GEODA空间统计分析软件对江西省县域人口分布的总体和局部空间差异进行了实证分析。
结果表明：江西省2009-2011年人口分布主要特征是江西北部地区密集，南部呈现分散分布，并且存在显著的正向空间聚集效应，其中，以南昌为中心存在高密度空间集聚效应，而在抚州东部存在低人口密度的空间集聚效应。
%On the basis of the spatial statistical theory, through ArcGIS and GEODA spatial statistical analysis soft-ware, this paper analyzes the overall and regional spatial difference of population distribution in Jiangxi Province. Results show that the population of Jiangxi Province was densely located in northern part and scattered over the southern part from 2009 to 2011. The study maintains that there exists a distinct positive space aggregation effect in Jiangxi Province with Nanchang being the center for high-density spatial agglomeration effect and Fuzhou be-ing the center of low-density spatial agglomeration effect.【期刊名称】《华东交通大学学报》【年(卷),期】2014(000)002【总页数】8页(P131-138)【关键词】人口密度分布;Moran’s I指数;LISA;空间自相关;江西省【作者】冒小栋;刘琼芳【作者单位】华东交通大学经济管理学院，江西南昌 330013;华东交通大学经济管理学院，江西南昌 330013【正文语种】中文【中图分类】F222.1人口增长与空间分布是影响区域长远发展的重要因素，人口密度是反映区域人口分布的重要指标，可以显示各区域人口分布的稀疏程度，马歇尔提出的导致产业集聚的三个原因就有劳动力集聚因素。
中国城市人口的空间集聚特征与规律分析
地理学报ACTA GEOGRAPHICA SINICA 第63卷第10期2008年10月Vol.63,No.10Oct.,2008中国城市人口的空间集聚特征与规律分析陈刚强,李郇,许学强(中山大学城市与区域研究中心，广州510275)摘要：城市集聚增长日益显著以及城市间连接性的增强等是20世纪90年代以来中国城市发展的显著特征。
通过运用GIS 环境下的Moran's I 等技术方法，探讨了1990-2005年中国城市人口的空间集聚特征及其演变规律，结果表明：尽管总体上城市人口的正空间集聚性不强，但局部空间集聚特征明显，存在较强的规律性，主要表现为“T ”字型和沿主要铁路交通线的发展态势，而其演变过程体现了中国城市体系空间结构正处在不断优化之中；三大地带城市人口空间集聚的特征反差明显，东部城市区域基本表现为一体化发展趋势，而中西部城市区域则趋向于极化发展或表现出较差的整体协调能力；进一步来看，城市人口空间集聚的不平衡性，不仅体现于区域之间也体现于区域内部的城市之间，且其作用范围进一步扩大，集聚区位有所变化。
总体来看，这一典型转型时期里，中国城市人口的空间集聚特征及其演变，体现出了市场力量、经济发展状况、基础设施建设及国家空间开发政策等的积极作用。
关键词：局部Moran's I ；空间集聚；城市人口；不平衡；一体化；中国1引言一般来说，城市集聚对于解释一个国家在特定时点或某一时期的发展水平变化具有重要作用[1]。
在经济发展的早期阶段，城市集聚处于一个较高的水平是有效的[2]。
但过度集聚会引起效率的降低，此时扩散力变得有效，大都市区中心城市的制造业开始转移到邻近的卫星城市，并进一步向吸引范围内的腹地城市扩散。
即随着经济发展水平的提高，城市集聚水平往往呈现为一个先上升而后下降的过程[3]。
我国作为一个发展中国家，城市体系的空间结构及其形态，自改革开放以来已出现明显变化，尤其是20世纪90年代以来，城市发展最为突出的表现之一就是城市间相互作用增强，城市空间集聚增长显著[4,5]。
城市可达性与空间分布格局分析
城市可达性与空间分布格局分析城市可达性是指城市居民到达城市内各种资源和服务设施所需的时间、费用和交通方式等因素的综合情况。
城市可达性的提高能够增强城市的活力、竞争力和吸引力，对城市的发展具有重要意义。
本文主要从城市可达性和空间分布两个角度来分析城市的分布格局。
一、城市可达性分析城市可达性是影响城市空间分布格局的关键因素之一。
城市的可达性可以通过路网和公共交通等基础设施来提高。
例如，地铁、高速公路等交通设施的建设能够缩短城市内部不同区域之间的距离，提高城市的可达性。
此外，城市公共交通体系的完善也能够提高城市的可达性。
城市可达性的提高能够影响城市居民的出行方式和居住选择。
例如，在一个可达性较高的城市中，居民更可能选择使用公共交通工具而不是私家车出行，这样也能够降低城市交通拥堵问题。
此外，城市可达性的提高也能够增加城市各种资源和服务设施的利用率，促进城市经济的发展。
二、空间分布格局分析城市的空间分布格局是由多种因素共同影响的。
除了城市可达性之外，城市人口规模和结构、经济结构、建筑规划等因素也会对城市的空间分布格局产生影响。
城市的人口规模和结构是决定城市空间分布的重要因素。
大城市通常会集中更多的人口和经济资源，形成向中心区域的“中心——辐射”型格局。
而小城市则更可能形成分散性的“多中心”型格局。
城市的经济结构也会对城市的空间分布产生影响，例如，一个工业型城市的工业园区通常会分布在城市的边缘区域。
此外，城市的建筑规划也能够影响城市的空间分布。
例如，城市中心区域的高层建筑和大型商业中心等设施的建设，能够形成城市核心区域的集聚效应，也可能使城市的空间分布往中心聚集。
而相反，城市边缘区域的住宅区和购物中心等设施的建设，则会使城市的空间分布向外扩散。
三、结论综上所述，城市可达性与空间分布格局是城市发展的重要因素，两者相互影响、相互作用。
在城市发展的过程中，城市可达性的提高和合理的空间规划是实现城市化可持续发展的关键。
利用测绘技术进行城市人口密度分布与空间分析的技巧
利用测绘技术进行城市人口密度分布与空间分析的技巧随着城市化的不断推进和人口的持续增长，对城市人口密度分布和空间分析的需求也越来越迫切。
测绘技术在这一领域起到了不可或缺的作用。
本文将介绍利用测绘技术进行城市人口密度分布与空间分析的一些技巧。
一、卫星遥感影像的应用卫星遥感影像是研究城市人口密度分布与空间分析的重要数据来源之一。
通过获取高分辨率的卫星遥感影像，可以精确捕捉到城市的布局和分布情况。
利用遥感技术，可以获得城市不同区域的地表类型、土地利用情况以及建筑物的分布情况等信息。
通过对这些信息的分析，可以揭示出城市人口分布的特点和规律。
二、地理信息系统（GIS）的应用地理信息系统（GIS）是将地理空间信息与属性数据相结合，进行空间分析的一种技术手段。
利用GIS技术，可以将测绘数据与人口统计数据相结合，构建城市人口密度分布的空间模型。
通过分析不同区域的人口密度和人口组成，可以找出城市人口较为密集的区域和人口聚集的特征。
同时，GIS技术还能将人口分布与城市规划、交通网络等信息相结合，探索城市发展的方向和可行性。
三、网络爬虫技术的应用网络爬虫技术是利用计算机程序自动抓取互联网上的信息的技术手段。
通过网络爬虫技术，可以从各种网站和社交媒体平台上获取与城市人口有关的数据。
例如，可以抓取各个社交媒体平台上用户的地理位置信息和发帖的内容等。
通过对这些数据的整理和分析，可以了解城市人口的生活习惯、人口流动情况以及人群的结构特征，进而为城市规划和人口分配提供依据。
四、人工智能技术的应用人工智能技术的快速发展为城市人口密度分布与空间分析提供了新的可能性。
通过利用深度学习算法和图像识别技术，可以从卫星遥感影像中快速、准确地提取出建筑物和人口分布的信息。
同时，人工智能技术还能结合自然语言处理技术，对大量的社交媒体数据进行分析，从中挖掘出人口流动和人口分布的关联性。
人工智能技术的使用，将为城市规划和人口管理提供更加精细和科学的支持。
城市人口流动模型的构建与预测
城市人口流动模型的构建与预测随着城市化进程的加速和全球化的发展，人口流动已经成为多数城市面临的重要问题之一。
了解和预测城市人口流动模式对城市规划和社会发展具有重要意义。
本文将介绍城市人口流动模型的构建与预测方法，并讨论其应用价值和挑战。
一、城市人口流动模型的构建1. 数据收集与处理：构建城市人口流动模型的第一步是收集和处理相关数据。
常用的数据包括人口普查数据、手机信令数据、公交卡数据、电子支付数据等。
这些数据可以提供人口流动的起始地、目的地、时间和交通方式等关键信息。
在处理数据时，需要注意数据的清洗和匿名化，确保数据的安全和隐私。
2. 空间分析方法：城市人口流动模型需要将人口活动的时空分布转化为数学模型。
空间分析方法例如地理信息系统（GIS）和空间统计方法可以帮助我们理解和描述城市人口流动的空间分布特征。
通过空间插值、空间自相关和空间聚类等技术，可以构建城市人口流动的空间模式。
3. 时间序列模型：城市人口流动模型还需要考虑时间维度。
时间序列模型例如ARIMA和GARCH模型可以用来分析和预测城市人口流动的时间变化趋势。
这些模型可以帮助我们识别周期性规律、趋势性变化和异常情况，为城市规划和管理提供参考依据。
二、城市人口流动模型的预测1. 传统方法：传统的城市人口流动预测方法主要基于统计和回归分析。
通过历史数据的统计分析和趋势预测，可以预测城市人口流动的未来发展趋势。
这些方法虽然简单易用，但往往无法考虑到复杂的动态变化和非线性关系。
2. 机器学习方法：近年来，随着机器学习的迅速发展，越来越多的研究开始将机器学习方法应用于城市人口流动的预测。
例如基于神经网络的时间序列预测、支持向量机和随机森林等机器学习算法可以通过学习历史数据的模式和规律来预测城市人口流动的未来走势。
这些方法具有较高的精度和灵活性，但需要大量的训练数据和计算资源来支持模型的训练和预测。
三、城市人口流动模型的应用与挑战1. 城市规划与交通管理：城市人口流动模型可以为城市规划和交通管理提供决策支持。
基于大数据的城市人口流动和空间分布分析
基于大数据的城市人口流动和空间分布分析一、引言随着科技的不断进步，以及大数据的普及应用，城市人口流动和空间分布变得越来越复杂。
这就要求我们必须运用大数据技术，对城市的人口流动、空间布局进行科学分析，从而更好地进行城市规划和管理。
二、城市人口流动分析城市人口流动是指城市内部和城市间人口的迁徙现象。
在大数据时代，我们可以通过人口普查，手机信令，公共交通，社交媒体等数据进行人口流动分析。
1.根据人口普查数据进行分析通过人口普查数据可以获得每个城市的人口结构，性别比例，年龄梯度等。
结合人口流动方向和目的地的信息，可以判断哪些地方的人口流动更为频繁，从而优化城市规划，提高城市的管理效率。
2.使用手机信令信息进行分析每一次通话都会产生电话信令数据，利用这些数据可以准确地追踪人们的移动路径与轨迹，以及人们在不同地理区域停留的时间长度。
这对于城市交通管理、城镇化过程的精细化和商圈运营等方面具有很大价值。
3.运用公共交通数据进行分析城市公交运营公司，尤其是大型的城市公共交通运营公司，它们拥有实时更新的路况信息、乘客的出行时间和人数等数据。
通过分析这些数据可以了解公交线路的使用情况，优化线路规划与客流安排，提升公共交通服务水平。
4.利用社交媒体数据进行分析人们通过使用互联网以及社交媒体平台，实时发布自己的位置信息、留言、评论等等。
通过对社交媒体上的数据进行分析，可以了解到哪些热点场所受到了人们的关注，以及对该热点场所的形象评价。
同时，还可以通过收集、分析人们的消费习惯，为商家提供便捷的精准与有效的营销服务。
三、城市空间分布分析城市空间分布是指城市内部不同功能区域的规模、数量、分布、密度、结构、配置等空间性质的分析。
在大数据时代，我们可以通过遥感技术，空间数据库，GIS等技术进行城市空间分布的科学分析。
1.遥感技术的应用利用高分辨率卫星遥感影像数据，可以进行城市建设用地变化信息提取、城市域的植被覆盖度计算和变化检测、城市道路网格化、城市水域分类与面积估算等科学分析。
人口数据空间化模型方法_概述及解释说明
人口数据空间化模型方法概述及解释说明1. 引言1.1 概述人口数据空间化模型方法是一种用于研究和分析人口数据地理分布特征的有效工具。
随着城市化进程的加速和城市规划需求的增长，人口数据空间化模型方法在城市规划、社会经济研究以及环境保护与资源管理等领域中得到了广泛应用。
本文将就这种方法进行概述并提供详细解释说明。
1.2 文章结构本文主要包括如下几个部分：引言、正文、方法概述、模型应用场景分析以及结论与展望。
在引言部分，我们将介绍人口数据空间化模型方法的背景和意义，并对全文进行简要说明。
在正文部分，我们将详细探讨该方法的内涵和基本原理。
在方法概述部分，我们将介绍该方法的定义、使用案例说明以及数据处理与分析步骤。
在模型应用场景分析部分，我们将阐述该方法在城市规划与发展、社会经济研究以及环境保护与资源管理等领域中的重要应用。
最后，在结论与展望部分，我们将总结文章内容，并探讨未来研究的发展方向。
1.3 目的本文旨在为读者提供一个全面了解人口数据空间化模型方法的基础，并介绍其在实际应用中的重要性和价值。
通过分析该方法的使用案例以及与其他研究领域的关联，我们希望能够揭示其潜在的贡献和未来发展方向。
同时，该文章也可以作为相关领域研究者和决策者参考的资料，从而推动该方法在实践中的广泛应用和进一步探索。
2. 正文人口数据空间化模型方法是指将人口数据与空间信息相结合，通过建立数学或统计模型来分析和预测人口分布、人口迁移和人口增长的方法。
这种方法可以有效地帮助我们理解人口现象的时空特征以及其影响因素，进而为城市规划、社会经济研究、环境保护和资源管理等领域的决策提供科学依据。
在构建人口数据空间化模型前，首先需要对人口数据进行处理和分析。
常用的处理方式包括数据清洗、变换和插值等，以确保数据的准确性和完整性。
分析步骤则涉及探索性空间数据分析、地理加权回归和空间插值等方法。
这些步骤可以帮助我们发现与空间有关的模式，并推断其背后的驱动力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
半个多世纪以来 , 城市人口分布空间结构研
究不断取得进展的同时 , 还存在一些值得商榷和 进一步研究的问题 , 主要有 :
(1)统计单元划分的合理性问题 。以往的相关 研究中 , 要么以原始的人口统计单元为统计单元 , 要么以具有一定宽度的同心圆环为统计单元 。这 样的统计单元能否准确反映人口分布规律值得推 敲 。例如 , 某城市人口呈现出相对于城市中心具 有对称结构的多核心分布格局 , 则仍然可以用二 次指数模型进行精确地模拟 , 该模型显然不能准 确反映人口分布的多核心结构 。
标准差 /平均值 ( S / Mean) 1158
S2 /M ean 266156
有自相关性 [ 18 ] , 因此 , 可以采用地统计学方法进 行空间模拟 。本文以地统计学为基础 , 在 300m 的 格网数据的基础上 , 根据半方差分析 , 采用普通克 里格法进行空间插值 , 生成人口密度模拟图 (图 3) , 该图中人口密度等值线的间距为 100p / hm2。
(2)城市人口分布核心的识别问题 。人口分布 核心的识别是构建城市人口密度模型的首要问题 , 以往以城市中心为人口分布核心 , 或以某个 、某 几个人口统计单元的几何中心为人口分布核心的 做法显然是依据不足的 。
(3)多核心城市中 , 各核心的影响范围及模式 问题 。建立多核心模型 , 必须回答一个问题 : 城 市内任一点的人口密度受到多少个 “核心 ”的影 响 。目前 , 对此主要有三种假设 : ①人口密度只 受到最近核心的影响 , 因此 , 城市内部可以根据
落入第 j个网格内的第 i个人口普查区的居住房屋
底层用地总面积 ; Dij代表落入第 j个网格内的第 i
个人口普查区的居住房屋底层用地的人口密度 。
作者曾研究证明 , 300m ×300m 格网是研究沈阳 市 2000年人口分布的适宜尺度 [17] , 故本研究中的格 网 , 即采用 300m ×300m。计算结果如图 1所示。
1 引言
在经济学和地理学的双重影响下 , 20 世纪 50 年代以来 , 城市人口分布空间结构研究吸引了西 方学者的高度关注 , 形成了一系列较具代表性的 城市人口密度理论模型 [ 1 - 7 ] 。20 世纪 80年代末期 以后 , 多 核心 城 市 结 构 研 究 成 为 热 点 领 域 [ 8 - 9 ] 。 之后 , 随着分形等后现代数学工具和细胞自动机 等仿生科学理论的引入 , 城市地理学的定量描述 能力和模拟实验手段不断增强 , 一些传统的人口 密度数学模型 , 如 Clark 模型开始被赋予新的解 释 [ 10 - 11 ] 。这些研究初步揭示了西方自由竞争的市 场经济条件下 , 城市人口分布的空间格局及演化 过程 。20世纪 80年代以来 , 伴随着中国改革开放 的进展 , 城市 , 尤是特大型城市人口分布问题开 始受到关注 [ 12 - 14 ] , 对于改革开放 、社会主义市场 经济体制逐渐建立的历史背景下 , 作为发展中国 家的中国城市人口分布格局及演变规律有了初步 认识 。
图 1 沈阳市人口密度图 Fig11 Population density map of Shenyang City
312 人口分布的统计特征分析 人口密度统计情况见表 1。研究区内共有样方
36
地 球 信 息 科 学 学 报 2010年
3740个 , 人口密度的最大值为 882101p / hm2 , 最 小值为 0, 标准差 为 169105p / hm2 , 而 平均 值为 107121p / hm2 , 说明人口分布具有不均衡性 。统 计指标 s/m ean = 1158, 说明人口密度分布具有变 异性 。当 s2 /m ean的比值大于 1 时 , 即可说明人 口分布具有聚集性 , 此处该值高达 266156, 说明 研究区内人口分布的聚集性很高 。为了进一步反
收稿日期 : 2009 - 07 - 01; 修回日期 : 2009 - 12 - 01. 基金项目 : 国家自然科学基金项目 (40801059) ; 国家社会科学基金项目 (07CJY025) 。 作者简介 : 杜国明 (1978 - ) , 男 , 汉族 , 内蒙古宁城县人 , 博士 , 东北农业大学资源与环境学院讲师 , 农林经济管理
图 3 沈阳市人口密度模拟图 Fig13 Population density modeling map in Shenyang City
4 人口分布空间模拟
411 地统计学的人口分布空间模拟 地统计学 ( Geostatistics) , 亦称地质统计学 ,
于 20世纪 40年代末由南非地质学家 D1G1Krige和 H1S1Sichel等提出 。地统计学以区域化变量理论 为基础 , 研究那些分布于空间中并显示出一定结 构性和随机性的现象 。以往的城市人口密度研究 已充分证明人口分布结构性特征的存在 , 而且上 述方法计算出的人口密度 , 作为一个空间变量具
层用地的总面积 。
(3)用规则格网进行采样 , 计算每一个网格内 的人口数和人口景观密度 。将预先生成的正方形
格网数据与居住房屋底层用地数据叠加 , 再统计 每一网格内的人口数和人口密度 。人口数的计算
公式为 :
∑ P j = A ij 3 D ij
(2)
i
式中 , Pj 代表第 j个网格内的人口数 ; Aij代表
统计单元数 3740
平均值 [Mean ] ( p / hm2 ) 107121
表 1 人口密度统计表 Tab11 Popula tion den sity sta tistics
最大值 ( p / hm2 )
最小值 ( p / hm2 )
标准差 [ S] ( p / hm2 )
882101
0
169105ຫໍສະໝຸດ 方法来计算人口密度 , 这样的人口密度实际上是 一种景观密度 , 是指各采样单元内单位面积上的 人口数 , 单位是 p / hm2 。具体的计算步骤包括 :
( 1 )根据普查区代码将人口普查数据与普查区 空间数据进行关联 。
(2)采用面插值法 [16 ]实现人口普查数与居住 单元的关联 。将居住房屋底层用地矢量数据与人
口普查区数据进行空间叠加 , 统计每一普查区内 居住房屋底层用地面积 , 并依此计算各普查区内 居住房屋底层用地的人口密度 , 计算公式如下 :
D i = Pi /A i
(1)
式中 , D i 代表第 i个人口普查区内居住房屋
底层用地的人口密度 ; Pi 代表第 i个人口普查区
的人口数 ; Ai 代表第 i个人口普查区内居住房屋底
3 人口分布的空间统计
311 基于网格计算的人口空间化数据 本研究的人口普查数据是按照社区管委会来
统计的 。由于这样的统计单元空间形状各异 、大 小不一 , 降低了各单元之间的可比性 。相比之下 , 网格计算和网格地图更有助于动态现象的表述 、 数据融合和空间分析 [ 15 ] , 不失为研究人口分布的 最佳选择 。因此 , 本研究采用规则格网对人口统 计单元进行再划分 , 将居住房屋底层用地数据作 为中间变量 , 参照生态学研究中种群密度的计算
412 人口分布的空间特征分析 由图 3可见 , 人口密度由外围向内侧整体具
有增加的趋势 , 但也有局部降低的情形 ; 城市中 心 、人口重心与几个明显的城市人口密度极大值 点也相距较远 , 人口密度分布没有呈现出单核心 圈层式范式 。在人口密度高值区形成的封闭等值 线近似于椭圆形 ; 在城市的西侧出现人口密度的 “U ”字形凹陷 , 在城市中心的东北方向也存在着 一个范围较大的人口密度低值区 ; 虽然人口分布 呈现多核心结构 , 但人口密度等值线的分布状态
映人口分布的集聚和离散程度 , 根据样方统计数
据绘制了人口分布的洛仑兹曲线 (图 2 ) 。可见 , 该曲线凸起 , 远离矩形框的对角线 , 说明人口分 布具有不均衡性和集聚性 ; ( 29157% , 88130% ) 是该曲线一个十分明显的拐点 , 拐点两侧曲线走 势平稳 。因此可以概略地说 , 研究区近 30%的范 围内居住了近 90% 的人口 , 人口密集 ; 而其余 的 70%范围内仅居住了约 10%的人口 , 人口稀 疏。
基于以上认识 , 本文以沈阳市 2000 年第五次 人口普查数据为数据源 , 模拟该市人口分布 , 探 讨其分布格局 , 旨在提出一种城市人口分布模拟 与格局识别的范式 。
2 研究区概况及数据来源
沈阳市位于中国东北地区南部 、辽宁省中部 , 土地总面积为 12 980km2 , 截至 2000底建成区面积 为 217km2 。沈阳市地势平坦 , 以平原为主 , 平均 海拔 50m 左右 , 城市南侧有浑河流经 。沈阳市是 辽宁省的政治 、经济 、文化中心 , 是辽中南城市 群的首要城市 , 中国重要的重工业城市 。市辖区 包括和平 、沈河 、大东 、皇姑、铁西 5个城区 , 东 陵、于洪、苏家屯 、新城子 4个郊区 。截至 2000年 第五次人口普查 , 市辖区人口 530万人 。研究区包 括建成区及近郊区在内的一矩形区域 (见图 1 ) , 面积 336km2 , 涉及沈阳市人口普查小区 981个 。
摘要 : 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 。 关键词 : 城市空间结构 ; 人口分布 ; 空间化 ; 沈阳市