EN中文

地理科学进展 >

2024 , Vol. 43 >Issue 6: 1167 - 1183

DOI: https://doi.org/10.18306/dlkxjz.2024.06.010

研究论文

CMIP6组合情景下中国未来人口空间均衡分布研究

  • 何湘琦 , 1 ,
  • 顾高翔 , 1, 2, * ,
  • 黄心妍 1
展开
  • 1.华东师范大学人口研究所，上海 200241
  • 2.华东师范大学教育人口实验室，上海 200062
*顾高翔(1985— )，男，浙江宁波人，博士，副研究员，硕士生导师，研究方向为人口地理、地理计算、经济计算。E-mail:

何湘琦(1998— )，女，浙江东阳人，硕士生，研究方向为人口地理。E-mail:

收稿日期: 2023-10-17

  修回日期: 2024-02-22

  网络出版日期: 2024-06-21

基金资助

国家社会科学基金重大项目(18ZDA132)

收起

Future population spatial equilibrium distribution of China under CMIP6 scenarios

  • HE Xiangqi , 1 ,
  • GU Gaoxiang , 1, 2, * ,
  • HUANG Xinyan 1
Expand
  • 1. Population Research Institute, East China Normal University, Shanghai 200241, China
  • 2. Education Demography Laboratory, East China Normal University, Shanghai 200062, China

Received date: 2023-10-17

  Revised date: 2024-02-22

  Online published: 2024-06-21

Supported by

Major Program of National Social Science Foundation of China(18ZDA132)

Fold

摘要

人口空间均衡作为人口均衡在空间上的表现，对实现区域高质量发展具有重要意义，而作为当前全球面临的重大挑战，气候变化及其应对的政策路径将深刻影响未来世界的社会、经济和环境，进而改变中国的人口空间均衡分布格局。论文基于CMIP6中7个典型情景，将气候变化视角纳入人口空间均衡分布研究，基于“可能—满意度”模型提出了“等可能—满意度”的人口空间均衡概念，构建了多区域计算模型。在模型的基础上，论文对气候变化及应对气候变化的社会经济发展路径下，2035年和2050年中国分省人口空间均衡分布格局及其影响因素进行研究，结果显示：① 达到人口空间均衡时，可能—满意度最高的情景是SSP1-1.9和SSP1-2.6，表明可持续发展路径最符合中国高质量发展的需求；最低的是SSP3-7.0，表明激烈的区域竞争将以低质量发展为代价。② 受单因素制约时，相较于2020年真实的人口分布，SSP2-4.5情景2035年和2050年在人口空间均衡状态下东部地区和西部地区人口占比下降，中部地区和东北地区人口占比相对上升。与SSP2-4.5相比，其他情景的均衡人口分布呈现东升西降的趋势，此时粮食、林地和水资源等自然资源是形塑人口空间均衡分布格局的核心。③ 而在多因素综合模式下，SSP2-4.5情景在2035年和2050年达到均衡状态时，中西部地区资源优势被削弱，人口较2020年有所下降。相对单因素制约状态，多因素模式下整体的均衡人口分布格局进一步向东倾斜。其余情景人口分布相较于SSP2-4.5变化较小。④ 在所有情景下，胡焕庸线两侧的人口占比均不会发生大幅度变化，表明未来的气候变化及应对气候变化的社会经济发展路径并不影响胡焕庸线对中国人口地理的基本分界意义。研究结果可为中国未来积极应对气候变化、实现区域协调的高质量发展提供政策依据。

关键词： 人口空间均衡; 可能—满意度; CMIP6情景; 共享社会经济路径

本文引用格式

何湘琦 , 顾高翔 , 黄心妍 . CMIP6组合情景下中国未来人口空间均衡分布研究[J]. 地理科学进展, 2024 , 43(6) : 1167 -1183 . DOI: 10.18306/dlkxjz.2024.06.010

Abstract

As a spatial representation of population equilibrium, population spatial equilibrium is of great significance to the realization of high-quality development goal. As a major challenge in the world, climate change and the policy pathways to deal with it will profoundly affect the society, economy and environment of the world in the future, and then change the pattern of population spatial equilibrium distribution in China. This study examined the impact of climate change on population spatial equilibrium distribution based on seven typical scenarios in the CMIP6. The concept of "equal possibility-satisfiability" population spatial equilibrium distribution was proposed according to the possibility-satisfiability model, and a multi-region computational model was developed. Based on this model, this study explored the spatial equilibrium distribution pattern of China's population by province in 2035 and 2050 and its constraints under the pathways of climate change and social and economic development in response to climate change. The results show that scenarios with the highest possibility-satisfiability values are SSP1-1.9 and SSP1-2.6, indicating that sustainable development best serves the needs of high-quality population development of China in the future. Conversely, the lowest possibility-satisfiability value is found under SSP3-7.0, suggesting that human development may not be sustainable in the face of the twin challenges of economic growth and climate change, and the fierce inter-regional competition will reduce the quality of development. With the single-factor constraint, in reaching spatial equilibrium distribution of population under SSP2-4.5, compared with the provincial population distribution of China in 2020, the equilibrium population proportions in the northeastern and central provinces increase the most, with relative decrease in the eastern and western provinces. The equilibrium population distributions under the other scenarios demonstrate an increasing trend in the east and a decreasing trend in the west when compared with SSP2-4.5. Notably, natural resources such as grain, forestland, and water resources play a central role in shaping population spatial equilibrium distribution. In contrast, using the multi-factor model, the equilibrium population distributions of the central and western provinces are projected to decrease compared to 2020 due to their decreased natural resource advantages while factors can be substituted by others. The gross equilibrium population distribution further inclines toward the southeast coast. The equilibrium population distributions under the other scenarios are similar to that under SSP2-4.5. Importantly, all scenarios suggest that when population spatial equilibrium distribution is achieved, the population spatial distribution pattern of China delineated by the Hu Line remains unchanged. This indicates that future climate change and the pathways of social and economic development in response to climate change will not alter the significance of the Hu Line for China's population geography. This study can provide policy basis for China to actively respond to climate change in the future and achieve high-quality regional coordinated development.

Key words： spatial equilibrium of population distribution; possibility-satisfiability; CMIP6 scenarios; Shared Socioeconomic Pathways (SSPs)

促进人口长期均衡发展是中国人口发展的目标[1]。人口空间均衡分布是人口均衡在各区域空间中的具体实现，侧重在空间中人口系统、自然系统和社会经济系统的均衡，强调人口与外部环境相适应[2]。长期以来，中国的人口空间分布呈现的是非均衡性特征，东部沿海的人口密集地区“大城市病”突出，人口膨胀，水土超载；而许多西部地区物质资源匮乏，难以支撑人口发展，人类活动威胁生态平衡[3]。这种非均衡性导致社会发展成本提高，各区域人口平等发展受阻[2]，不利于中国的高质量发展。
另一方面，气候变化作为人类面临的重大挑战，对全球的自然环境和经济发展都将产生巨大的冲击，而这些冲击又会体现在地区的人口承载力上，进而影响人口空间均衡分布格局。已有大量研究发现，气候变化会深刻影响就业、健康、公共投资等领域，改变人口空间分布[4]。根据Myers[5]和Christian Aid[6]的预测，2050年全球将有2亿~10亿人口存在沦为“气候难民”的风险。曹志杰等[7]指出，全球变暖已导致约2600万气候移民。贾占华等[8]发现平均气温和年降水量深刻影响东北地区的人口重心和人口集中指数。因此，将中国的人口均衡问题放到气候变化的背景下，建立科学的人口空间均衡计算模型，研究中国未来人口空间均衡分布格局，分析气候变化及其带来的社会经济冲击对各地区均衡人口数量的影响，探索各地区均衡人口数量的主要制约因素，对于各地区积极应对气候变化冲击，补全自然、社会、经济中的短板要素，提升人口承载能力，促进区域间的协调，最终实现整体高质量发展，具有重要的理论和现实意义。
当前，人口的空间均衡问题已经得到学术界的广泛讨论。许多研究从人口与自然、社会、经济等不同视角出发，采用模糊综合评价法、投入产出法、生态足迹法、系统动力学等方法，测算了不同空间尺度下的人口均衡分布。彭希哲等[9]使用生态足迹法测度西部12省市在人口与生态空间均衡时的适度人口；王德等[10]构建“人口—GDP”的基尼系数研究在相对区域经济均衡条件下区域理论人口规模和迁移潜力；蒋子龙等[11]使用增量分析和不均衡指数等方法对2001—2010年中国人口空间和经济空间的均衡程度进行匹配；尹虹潘等[12]基于空间模拟与估算方法探究在经济分布基准下的中国人口均衡分布；胡斯威等[13]归纳总结了人地系统耦合模型在乡村人口、社会经济、自然生态三大系统之间均衡发展的应用价值。
人口空间均衡涉及自然资源、经济发展水平和社会文化等多方面要素，需要系统考虑人口与自然—社会—经济之间密切联系。从这一角度看，上述研究仍存在缺陷：首先，现有研究对人口空间均衡的概念并不清晰，往往只考虑生态、经济等若干因素影响下的人口空间均衡，或直接混淆均衡和均匀的关系，不能完整反映人口与自然—社会—经济系统之间的联系；其次，很多研究只是给出了人口均衡的测度指标，并没有分析中国人口均衡分布的格局；第三，现有研究对气候变化下未来世界的不确定变化考虑不足，其对未来的预测依赖于政府对社会各系统的规划设计。
针对现有研究中人口空间均衡概念模糊的问题，程晨等[14]提出了一种符合物理学定义的人口空间均衡定义，即人口空间分布的不均衡是由区域间人口迁移反映的。在自然、社会、经济条件约束下，区域间人口迁移“势能差”为零时，可认为达到人口动态空间均衡。本文参考这一概念，提出基于可能—满意度的人口空间均衡状态，以区域间“可能—满意度”的差来代表人口跨区域迁移的“势能差”，以“等可能—满意度”代表人口空间均衡状态。在此基础上，本文构建多区域人口空间均衡计算模型，在可能—满意度指标体系下，分析“等可能—满意度”状态下中国未来人口空间分布格局。
在气候变化方面，本文集成CMIP6情景，探索未来气候变化和社会经济发展路径下，中国人口的空间均衡分布格局。CMIP6是联合国政府间气候变化专门委员会组织的国际耦合模式比较计划(coupled model intercomparison project，CMIP)的第六阶段，它将不同的共享社会经济路径(shared-socioeconomic pathway，SSPs)与典型浓度路径(representative concentration pathway，RCPs)进行矩阵组合，形成SSPs-RCPs组合情景，弥补了现有研究中对未来气候变化及社会经济发展预测的不足。
本文应用CMIP6对于未来中国分省自然、社会、经济发展的预测数据，基于“可能—满意度”概念建立多区域人口空间均衡计算模型，以“等可能—满意度”表示多区域人口的空间均衡状态，分析7种典型路径下2035年和2050年中国分省人口空间的均衡分布状况及其变化特征，探索均衡条件下各地区人口规模的主要限制因素，并提出相应的政策建议。

1 研究方法与数据来源

1.1 基于可能—满意度的人口空间均衡模型

程晨等[14]在辨析已有人口空间均衡概念的基础上，提出将微观层面上人口的跨区迁移行为作为人口空间分布向“均衡”演化的动力，而人口的空间均衡状态即表现为区域间“净零迁移”，也就是推动区域间人口迁移的“势能差”为零。这一概念不仅体现了人口空间均衡的价值评判，而且基于迁移行为得到了在机制上的人口空间均衡条件，为人口空间均衡分布的测度提供了理论基础。在此基础上，本文借鉴可能—满意度(P-S)概念，以多区域人口的“等可能—满意度”状态(即P-S均衡)来表示区域间迁移的“零势能差”。
“可能—满意度”模型是一种多目标决策模型，其在系统分析的基础上，根据主观判断目标的影响因素，建立一套可以对各个指标作出科学评价的决策指标体系[15]。可能度表示客观上的可行性，主要用来反映各要素在总量上达到某一程度的可能性；满意度表示主观的愿望或期待，主要用来反映各要素在人均水平下达到的满意程度大小。“可能—满意度”模型综合考虑各种自然、社会、经济条件对人口的约束作用，其结构简单，可很方便地集成复杂的指标体系，是人地关系研究中被广泛使用的重要研究工具[16⇓⇓-19]。
可能—满意度模型的基本结构可表示为：
ω i , j = - R i , j b + α i , j S i , j b ( R i , j a - R i , j b ) - α i , j ( S i , j a - S i , j b ) ,       0 < ω < 1 1 ,                                                                                   ω ≥ 1 0 ,                                                                                   ω ≤ 0
式中：ωi,j表示地区i人口规模为αi,j时指标j的可能—满意度； R i , j a和 S i , j b分别为地区i指标j的可能度和满意度指标的下限值， R i , j b和 S i , j a分别为可能度和满意度指标的上限值；αi,j为地区i的指标j在该可能—满意度下对人口规模的约束。ωi,j取值范围为[0,1]，表示不同的可能—满意程度。ωi,j=0表示完全不可能和不满意，ωi,j=1表示完全可能和满意。
当0<ω<1时，将式(1)变形得到式(2)：
α i , j = ω ( R i , j a - R i , j b ) + R i , j b ω ( S i , j a - S i , j b ) + S i , j b
可能—满意度概念充分考虑了人口跨区域迁移的主观性和自然社会经济发展的不确定性，适合刻画人口在不确定未来的跨区域迁移驱动力。因此本文认为，在多区域空间中，若各个区域的人口对自然、社会、经济条件的可能—满意度都相等，则表示各区域内的人口获得人均自然、社会、经济资源的可能性以及得到的满意度相等。在这一状态下，人口在自然、经济、社会层面上失去跨区域迁移动力，反映区域间人口迁移的“零势能差”，也就表示区域间的人口分布达到均衡状态(P-S均衡)。从机制上看，这种均衡状态符合程晨等[14]对人口空间均衡的定义。基于这一理念，在可能—满意度模型的基础上，本文建立以下方程组计算P-S均衡状态下的多区域人口空间分布：
P = ∑ i α i α i , j = ω R i , j a - R i , j b + R i , j b ω S i , j a - S i , j b + S i , j b α i = f α i , j
式中：P表示总人口规模，ω表示人口均衡分布状态下全局的等可能—满意度值，αi,j表示可能—满意度为ω的条件下由因素j制约的区域i的人口规模，αi表示P-S均衡状态下区域i的人口，f (·)函数为均衡条件下区域人口规模的多因素复合形式。求解式(3)，即可得到P-S均衡状态下各地区的人口分布情况。
通过调整f (·)函数的形式，本文从单因素制约模式和多因素综合模式两个角度研究人口空间均衡分布。单因素模式参照童玉芬等[17]的研究，在特定可能—满意度下，取各因素中人口最低者作为制约因素，由该因素决定所在区域的均衡人口。在此模式下，式(3)中的f (·)函数为：
f α i , j = m i n j α i , j
多因素综合模式采用加权复合形式。在此模式下，式(3)中的f(·)函数为：
f α i , j = ∑ j w i , j α i , j
式中：wi, j为各因素权重。
本文构建的基于可能—满意度的人口空间均衡模型将价值和机制、自然资源和社会经济的均衡有机结合，简化了现有人口空间均衡模型中复杂的指标量化和计算过程，可以简洁直观地测度多区域人口空间均衡分布格局。此外，需要说明的是，本文提出的人口空间均衡指的是一种与自然、社会、经济协调发展的人口空间分布格局。这是一种理想化的人口分布格局，是多区域人口均衡的演化和发展方向，但并不代表对未来人口空间分布的预测。

1.2 SSPs-RCPs组合情景

共享社会经济路径(SSPs)是一系列在气候变化下的经济社会风险假设，包括人口、GDP等定量因素，也包括政策制定、技术发展、生活方式变化等定性因素[20]，有SSP1~SSP5五个基础情景。SSP1为可持续路径，以人类福祉为发展目标，区域间合作加强，发展适应性挑战较低，可再生能源逐步取代化石燃料，气候变化减缓压力较小；SSP2为中间路径，世界保持与历史时期相似的道路发展；SSP3是区域竞争路径，经济水平较低，化石燃料依赖程度加深，气候减缓挑战巨大；SSP4为不均衡路径，地区和阶级差异拉大，发展适应性挑战极高，化石燃料和低碳能源并行，气候挑战较低；SSP5是传统化石燃料路径，强调经济发展，极度依赖化石燃料，气候减缓压力巨大[21]。典型浓度路径(RCPs)是根据2100年气候系统内部的辐射强迫水平来确定的，有低强迫、中等强迫、中高等强迫、高强迫4种类型。SSPs-RCPs组合情景通过选择RCP强迫场，据此选择对应的SSP情景。
本文兼顾数据完整性和模式典型性，选择SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP4-3.4、SSP4-6.0、SSP5-8.5等7种代表性情景反映中国未来可能的气候、社会、经济变化路径。

1.3 指标体系与数据来源

本文的可能—满意度指标体系综合参考童玉芬等[17]和王勇等[18]的研究，在自然资源方面主要考察人类生存必需的要素(粮食产量、水资源和土地资源)；社会经济资源方面则考察了可以推动人类自由全面发展的必需要素(GDP、可支配收入和一般公共服务支出)。这一指标体系也与党的二十大报告中关于粮食安全、水资源安全、美丽中国建设和新型城镇化建设等发展规划相契合。表1为本文基于可能—满意度人口空间均衡模型的指标体系。由于港澳台数据暂缺，本文的研究范围为中国31个省(市、自治区)。
表1 可能—满意度指标体系

Tab. 1 Possibility-satisfiability indicator system

指标类型 可能性指标 满意性指标
自然
资源		 粮食产量(t) 人均粮食产量(kg/人)
水资源(m3) 人均水资源占有量(m3/人)
林地(hm2) 人均林地占有量(hm2/人)
建设用地(hm2) 人均建设用地占有量(hm2/人)
社会经济资源 GDP(元) 人均GDP(元/人)
可支配收入(元) 人均可支配收入(元/人)
一般公共服务支出(元) 人均公共服务支出(元/人)
党的十九大报告指出，在2035年要基本实现社会主义现代化，在21世纪中叶把中国建成富强民主文明和谐美丽的社会主义现代化强国。因此，作为未来中国两个非常重要的发展节点，本文将研究2035年和2050年时的人口空间均衡分布格局。
本文以RCPs-SSPs组合情景的预测区间为基准对可能度指标进行赋值；而满意度指标的赋值以“高质量发展”中强调的“以效率、和谐、持续为目标的经济增长和社会发展方式”为参考，反映中国经济由高速增长阶段转向高质量发展阶段的现实需求。各指标可能度和满意度取值方法见表2。
表2 各指标可能度和满意度上下限取值方法

Tab.2 Methods for assigning values of the upper and lower limits of the P-S indicators

指标 可能性指标 满意性指标
上限 下限 上限 下限
粮食产量 通过CMIP6数据中气温和降水变化率计算农业生产潜力变化后的最大值 通过CMIP6数据中气温和降水变化率计算农业生产潜力变化后的最小值 根据各省粮食产量禀赋设定目标 2020年人均粮食产量
水资源 通过CMIP6数据中降水变化率最大值得出 通过CMIP6数据中降水变化率最小值计算得出 根据各省水资源禀赋设定目标 2020年人均水资源占有量
林地 SSP预测数据中的最大值 SSP预测数据中的最小值 根据OECD国家设定目标 2020年人均林地面积
建设用地 SSP预测数据中的最大值 SSP预测数据中的最小值 根据OECD国家设定目标 2020年人均建设用地面积
GDP SSP预测数据中的最大值 SSP预测数据中的最小值 根据中国自主设定的2035年和2050年目标设定 2020年人均GDP
可支配收入 SSP预测数据中的最大值 SSP预测数据中的最小值 根据OECD国家设定目标 2020年人均可支配收入
一般公共服务支出 SSP预测数据中的最大值 SSP预测数据中的最小值 根据OECD国家设定目标 2020年人均公共服务支出
粮食产量的可能性指标上下限是通过计算各种情景下气温和降水的变化区间，通过钟章奇等[22]的农业生产潜力公式推算2035年和2050年各省粮食产量区间；满意度上限是在李亚婷等[23]人均粮食占有量等级划分的基础上(人均粮食占有量低于150 kg的为严重缺粮，150~300 kg为一般缺粮，300~400 kg为潜在缺粮，400~600 kg为一般余粮，600 kg以上为主要余粮)，设定各省到2035年较2020年跃升一个等级，到2050年较2020年跃升两个等级，超过最高标准保持不变；满意度下限即为2020年各省人均粮食产量。
水资源的可能性指标上下限是通过CMIP6数据中降水的变化区间得出；满意度上限根据国际公认的人均水资源等级标准[24]，即人均水资源量低于3000 m3而超过1000 m3为轻/中度缺水；介于500~1000 m3为重度缺水；低于500 m3为极度缺水；低于300 m3则是危及人类生活生存的最低标准。仍然设定各省在2020年基础上，到2035年跃升一个等级，到2050年跃升两个等级，超过最高标准保持不变；满意度下限为2020年各省人均水资源占有量。
林地、建设用地可能度上下限根据SSP数据库预测结果[25]结合各省发展趋势预测得到；满意度上限由于没有国际或国内较为权威可靠的定级方法，则以OECD国家为目标，运用自然断点法对30个OECD国家2020年的人均林地和建设用地面积进行分级，设定各省在2020年基础上，到2035年跃升一个等级，到2050年跃升两个等级，超过最高标准的保持不变；满意度下限即为2020年各省人均林地和建设用地面积。
GDP的可能度上下限通过SSP数据库以及Murakami等[26]共享的5种情景下网格化预测结果给出；满意度上限则根据中国2035年基本实现社会主义现代化的远景目标，即人均GDP达到中等发达国家水平，设定2035年中国人均GDP为4万美元，2050年人均GDP为6万美元，以此为标准结合各省2010—2020年经济发展的历史趋势设定各省目标；满意度下限即为2020年各省GDP。
可支配收入和一般公共服务支出可能度上下限通过SSP数据库结合GDP发展情况和各省发展趋势预测得出；其满意度上限与林地、建设用地类似，对OECD国家的发展进行等级划分，设定各省在2020年基础上，到2035年跃升一个等级，到2050年跃升两个等级，超过最高标准的保持不变；满意度下限即为2020年各省可支配收入和一般公共服务支出。
本文使用的气候变化数据来自CMIP6网站(https://esgf-node.llnl.gov/search/cmip6/)，依据数据完整性和有效性选择了ScenarioMIP中的13个具有代表性的全球气候模式(表3)；SSP数据来自SSP数据库[25]；粮食产量、水资源、林地、建设用地、GDP、可支配收入、一般公共服务支出的历史数据来自各省市统计年鉴；OECD国家数据来自OECD Data(https://data.oecd.org/)和国际劳工统计数据库(https://ilostat.ilo.org/)。
表3 CMIP6中13个全球气候模式的基本信息

Tab.3 Basic information of 13 CMIP6 models

模式名称 国家 大气模式分辨率
ACCESS-CM2 澳大利亚 1.9°×1.3°
ACCESS-ESM1-5 澳大利亚 1.9°×1.3°
AWI-CM-1-1-MR 澳大利亚 1.9°×1.3°
BCC-CSM2-MR 中国 1.1°×1.1°
CanESM5 加拿大 2.8°×2.8°
EC-Earth3 英国 0.7°×0.7°
EC-Earth3-Veg 英国 0.7°×0.7°
FGOALS-g3 中国 2.0°×2.3°
GFDL-ESM4 美国 1.0°×1.0°
INM-CM4-8 俄罗斯 2.0°×1.5°
INM-CM5-0 俄罗斯 2.0°×1.5°
MPI-ESM1-2-HR 德国 0.9°×0.9°
MPI-ESM1-2-LR 德国 1.9°×1.9°
本文使用SSP数据库提供的2035年和2050年各情景下中国人口总量预测数据来计算未来中国人口空间均衡分布。表4是SSP情景下2035年和2050年中国人口总量预测结果，以及各情景采纳的总和生育率和平均预期寿命假设。SSP3情景中教育和技术投资水平低下导致人口的高出生率和高死亡率，在5个情景中人口最多；SSP2情景维持当前的人口发展水平，出生率、死亡率等都处于中等水平，人口总量次之；SSP1和SSP5情景都是低出生率和低死亡率相结合；SSP4情景出生率较低，但死亡率位于中等水平，人口最少。将表4的总人口数据代入式(3)中的P，计算中国在此人口总量下的人口空间均衡分布。
表4 SSP情景下2035年和2050年中国人口总量以及生育、死亡假设

Tab.4 Population, fertility, and death assumptions of China in 2035 and 2050 under different SSP scenarios

情景 2035年 2050年
总人口/亿人 总和生育率 平均预期寿命/岁 总人口/亿人 总和生育率 平均预期寿命/岁
SSP1 13.390 1.06 83.5 12.245 1.01 89.2
SSP2 13.653 1.40 80.1 12.631 1.40 84.2
SSP3 13.888 1.78 79.1 13.075 1.93 80.8
SSP4 13.234 1.12 81.3 11.835 1.09 84.9
SSP5 13.387 1.06 83.5 12.245 1.01 89.2

注：数据来源于Riahi等[25]和Lutz等[27]。

2 结果分析

2.1 人口空间均衡分布的可能—满意度

表5是各情景下达到人口空间均衡时的可能—满意度值。多因素综合模式下由于各要素之间可以互相替代，所以其可能—满意度值普遍高于受最小因素制约的可能—满意度值。同时随着社会的发展，2050年相较于2035年，可能—满意度值也会进一步提升。
表5 7种情景下人口达到空间均衡分布的可能—满意度(P-S)值

Tab.5 P-S values in reaching spatial equilibrium distribution of population under seven scenarios

情景 单因素制约 多因素综合模式
2035年 2050年 2035年 2050年
SSP1-1.9 0.241 0.382 0.624 0.719
SSP1-2.6 0.259 0.364 0.595 0.691
SSP2-4.5 0.144 0.249 0.446 0.506
SSP3-7.0 0.026 0.083 0.330 0.318
SSP4-3.4 0.184 0.273 0.473 0.539
SSP4-6.0 0.131 0.266 0.462 0.543
SSP5-8.5 0.128 0.242 0.653 0.775
总体而言，在达到人口空间均衡时，SSP1-1.9和SSP1-2.6的可能—满意度无论在单因素制约下还是多因素综合模式下都处于较高水平，SSP4-3.4和SSP2-4.5次之，SSP3-7.0最低，SSP4-3.4、SSP4-6.0和SSP5-8.0在单因素制约和多因素综合模式下存在可能—满意度的两极分化的情况。考虑到各情景之间人口总量的差距在5%以内，各情景下可能—满意度的差距主要由情景之间自然条件和社会经济发展差异造成。
其中，SSP1的两个情景下2035年和2050年在单因素制约和多因素综合模式下的均衡可能—满意度总体高于其他情景，表明可持续发展更符合人与自然、社会和谐共生的发展目标。而SSP3-7.0在所有情形下可能—满意度都是最低的，可见即便SSP3-7.0情景下人口转变相对滞缓，人口出生率相对较高，这种高气候适应性挑战和高发展适应性挑战的发展模式仍然是低满意度的，难以实现中国高质量发展对“效率”“和谐”和“持续”的追求。
而在SSP4-3.4、SSP4-6.0、SSP5-8.5三种情景下，单因素制约模式下预测的可能—满意度值和多因素综合模式下预测的结果存在一定分化。SSP4和SSP5的发展情景都是高度不均衡的，SSP4中的资源高度集中，SSP5则是以经济效率为首要目标，忽视均衡发展。在要素可替代时，这两种发展情景也会有较高的可能—满意度值出现，在短期内带来快速的发展，但这种发展只是将挑战留在未来，长期来看，若一旦自然资源耗竭或存在不可替代的要素，那么这种牺牲部分利益去换取发展的方式将难以令人满意，是不可持续的。

2.2 单因素模式下的人口空间均衡分布

2.2.1 单因素制约下人口空间均衡分布情况

在SSP情景中，SSP2作为中间路径，发展模式与历史趋势保持一致，因此本文将SSP2-4.5作为情景间比较的基准。图1显示了SSP2-4.5情景下2035年和2050年中国分省的人口空间均衡分布情况。相较于2020年的真实人口分布，SSP2-4.5情景下中国2035年的均衡人口分布格局没有太大变化，其中中部地区和东北地区的人口占比上升较为明显。中部地区的人口占比由2020年的25.85%上升至2035年的27.29%，其中湖南、湖北、山西等省份占比上升幅度较大。东北地区的人口占比也上升了0.9个百分点左右，其中以黑龙江省最为显著。东部地区和西部地区人口占比都有所下降，东部地区整体下降1.5个百分点左右，其中广东下降1.27个百分点，浙江下降0.61个百分点，山东下降0.36个百分点。
图1 单因素制约下SSP2-4.5情景人口空间均衡分布

注：本图基于自然资源部标准地图服务网站下载的审图号为GS(2022)4305号的标准地图制作，底图无修改。下同。

Fig.1 Spatial equilibrium distribution of population under SSP2-4.5 with single-factor constraint

到2050年，SSP2-4.5情景下东部地区占比持续下降，均衡人口占比为37.93%，相较2020年的40.02%下降了约2个百分点，相较2035年下降了约0.5个百分点；西部地区2050年均衡人口占比为26.80%，虽然较2035年略微上升，但是相较2020年27.17%的真实人口占比依旧呈现下降趋势。广东、山东、贵州、甘肃的均衡人口占比下降趋势较为明显。中部和东北地区中，东北三省、湖南、湖北、山西、江西的均衡人口占比增加幅度较大。
总体而言，与2020年中国人口分省分布格局相比，SSP2-4.5情景下到2035年和2050年的人口空间均衡分布格局都呈现东部地区和西部地区省份人口占比有所下降，中部和东北地区人口占比提升明显的态势。
图2a是2035年各省在其他6种情景下相较于SSP2-4.5的人口密度变化率。相较于SSP2-4.5，SSP1-1.9和SSP1-2.6在2035年的人口分布进一步向东部沿海倾斜，特别是江苏、浙江和福建三省。这主要是由于SSP1作为可持续发展路径，经济发展和气候变化带来的挑战都比较小，并且将开展广泛的经济社会合作，东部沿海地区陆运海运发达，经济合作优势得以发挥，在单因素制约下，其实现均衡状态时人口较SSP2-4.5将进一步提升。此外，与SSP2-4.5情景中人口在西部地区显著下降不同，SSP1-1.9和SSP1-2.6西部地区的均衡人口数量变化差异较大，表现出与SSP2-4.5不同的人口发展趋势，其中青海的均衡人口数量普遍低于SSP2-4.5，而甘肃则高于SSP2-4.5。这主要是由于在可持续发展情景下，甘肃无论是水资源还是建设用地面积均高于SSP2-4.5，而可持续发展带来的全球升温幅度的控制反而降低了地处高原的青海、西藏的水热条件，使得粮食生产成为制约其均衡人口规模的主要因素之一，详见图3。
图2 单因素制约下各情景相较于SSP2-4.5的分省均衡人口变化率

Fig.2 Changes in provincial equilibrium population distribution under different scenarios with single-factor constraint compared to SSP2-4.5

图3 2035年和2050年SSPs-RCPs组合情景下各省均衡人口规模的制约因素

Fig.3 Constraints of provincial equilibrium population distribution under different SSPs-RCPs combinations in 2035 and 2050

SSP3-7.0情景下的人口总量略大于SSP2-4.5，因此大部分省份在空间均衡状态下，人口都略高于SSP2-4.5，但人口增长的省份大多集中于胡焕庸线东侧，西侧的大部分省份尤其是西南地区人口相较于SSP2-4.5都在下降。同样下降的还有东南沿海地区浙江、福建和海南三省。这主要是因为此情景中各地区以牺牲发展与合作为代价专注于自身的经济地位与竞争实力，经济发展挑战和气候适应挑战都较大，依赖区域经济合作或自身资源不足的省份受影响较大。
在SSP4-3.4和SSP4-6.0情景下，由于资源的不均衡配置，地区分化明显，大体上呈现出胡焕庸线以东地区的人口密度相较于SSP2-4.5上升，以西地区相较于SSP2-4.5下降的趋势。此趋势在SSP5-8.5情景下同样存在。此外，相较于SSP2-4.5，SSP5-8.5中华北平原依旧保持着在人口空间均衡时的人口容量优势。而在南方地区，SSP5-8.5情景下人口空间均衡时的人口分布总量则不如SSP2-4.5情景。
到2050年，随着各情景下自然社会经济条件的推演，气候变化和社会经济发展对中国人口空间均衡分布的影响也进一步加深。总体而言，相较于SSP2-4.5，所有情景在达到人口空间均衡时呈现“胡焕庸线以西地区的均衡人口规模相对下降，而以东地区人口相对上升”的趋势(图2b)。SSP1的两个情景相较于其他情景，胡焕庸线东西两侧人口差距拉大的趋势并不十分显著，这与SSP1在发展过程中注重各区域可持续发展有关。其他情景西部地区人口密度相较于SSP2-4.5情景，下降都非常明显，部分地区达到了20%以上的下降幅度，表明在SSP3、SSP4和SSP5的情景中，过度强调区域竞争或经济优先，西部地区无法维持长期的可持续发展，其均衡人口规模将出现较大幅度的萎缩。

2.2.2 各情景下各省均衡人口的制约因素

图3显示了各个情景下制约各省均衡人口容量的短板因素。与社会经济的不断进步不同，以林地、粮食产量和水资源为主的自然因素在未来不会有太大的变化，因此，在短板因素制约的模式下自然资源要素成为形塑未来中国人口空间均衡分布的核心因素，其对未来中国均衡人口空间分布格局的锁定将长期存在。
2035年，在SSP1-1.9和SSP1-2.6中，粮食产量是大部分西部地区在人口空间均衡时的制约因素。SSP1由于注重清洁能源的发展，减缓全球变暖，因而辐射强迫较低，使得西部地区水热条件维持在较低的水平，导致部分雨养类粮食作物在该情景下供应不足，这与杨绚等[28]基于不同RCP情景对各类小麦种植进行的研究相吻合。而到2050年，这两个情景中受粮食产量影响的省份会进一步增加，东南沿海的部分省份也会加入这一行列。梁鑫源等[29]指出，在SSP1情景下，2020—2100年中国耕地保有量仅为0.64亿~1.40亿hm2，为所有情景中最低，其中黄淮海平原区和长江中下游平原的优质耕地受影响最为严重。因此，西北地区土地肥力不足，水热条件有限；而东部沿海地区城市化水平高，耕地不足，与其他情景相比，农业发展速度受限。这两个因素同时作用导致SSP1-1.9和SSP1-2.6情景下粮食短缺，制约了均衡状态下的人口规模。
SSP2-4.5中，到2050年时西北地区的粮食产出水平和城市化建设水平是均衡人口的核心制约因素。根据杨绚等[28]和李满春等[30]的研究，由于SSP2-4.5情景下温度上升但是降水减少，中国主要粮食作物小麦和水稻在该情景下生产潜力的下降都比较显著。建设用地对部分西部省份均衡人口的制约则与丁小江等[31]的研究发现相吻合，即不同于其他SSP情景中各区域城市化水平呈现趋同的特征，SSP2城市化水平呈现了自东向西明显的梯次递减性，不利于西部地区的人口发展。而在SSP3-7.0、SSP4-6.0和SSP5-8.5这三种中高辐射强迫的情景中，由于土地利用变化导致植被总量减少[32]，人均植被占有量的下降是其受单因素制约时均衡人口规模减小的主要原因。
尽管如此，单因素的制约模式不考虑要素之间的替换功能，由此形塑的未来人口空间均衡格局虽然能够反映人地关系中的短板问题，但与现实情况存在一定的差距，忽略了社会经济要素与自然资源之间的替代性，为了避免此局限性，本文接下来讨论多因素综合模式下中国未来人口的空间均衡分布情况。

2.3 多因素综合模式下的人口空间均衡分布

本文基于各省统计年鉴，获取2005—2020年各指标的人均值数据，参考王勇等[18]使用熵值法获得权重值(表6)，对各因素制约下的区域人口进行加权，得到多因素综合模式下的各省P-S均衡状态的人口空间分布情况。
表6 多因素综合模式下各省份指标权重

Tab.6 Indicator weights of each province with multi-factor constraints

地区 粮食产量 水资源 林地 建设用地 GDP 可支配收入 一般公共服务支出
安徽 0.102 0.133 0.143 0.121 0.214 0.162 0.124
北京 0.169 0.092 0.147 0.189 0.109 0.102 0.190
福建 0.129 0.166 0.086 0.093 0.206 0.160 0.161
甘肃 0.120 0.161 0.178 0.109 0.156 0.142 0.134
广东 0.093 0.090 0.130 0.213 0.138 0.145 0.191
广西 0.099 0.112 0.210 0.121 0.180 0.152 0.126
贵州 0.065 0.075 0.218 0.129 0.224 0.161 0.127
海南 0.106 0.117 0.181 0.137 0.182 0.142 0.136
河北 0.100 0.118 0.203 0.123 0.144 0.148 0.165
河南 0.083 0.100 0.210 0.120 0.181 0.156 0.150
黑龙江 0.101 0.104 0.274 0.157 0.120 0.104 0.141
湖北 0.156 0.114 0.176 0.109 0.180 0.136 0.129
湖南 0.136 0.072 0.131 0.127 0.209 0.173 0.153
吉林 0.111 0.162 0.241 0.147 0.132 0.099 0.107
江苏 0.075 0.127 0.140 0.113 0.209 0.184 0.151
江西 0.064 0.157 0.104 0.126 0.201 0.167 0.181
辽宁 0.110 0.151 0.180 0.143 0.154 0.134 0.128
内蒙古 0.156 0.142 0.098 0.172 0.164 0.146 0.121
宁夏 0.078 0.172 0.162 0.116 0.175 0.153 0.146
青海 0.067 0.153 0.117 0.114 0.197 0.173 0.179
山东 0.134 0.115 0.176 0.108 0.162 0.151 0.154
山西 0.082 0.170 0.208 0.126 0.123 0.116 0.174
陕西 0.099 0.150 0.104 0.159 0.204 0.164 0.121
上海 0.118 0.101 0.211 0.068 0.137 0.144 0.220
四川 0.067 0.074 0.137 0.137 0.222 0.173 0.190
天津 0.160 0.096 0.205 0.093 0.134 0.143 0.169
西藏 0.071 0.109 0.218 0.107 0.176 0.201 0.118
新疆 0.113 0.101 0.212 0.108 0.170 0.150 0.146
云南 0.111 0.111 0.137 0.119 0.196 0.145 0.181
浙江 0.118 0.130 0.098 0.089 0.165 0.178 0.223
重庆 0.095 0.110 0.153 0.142 0.211 0.169 0.120
多因素综合模式下，2035年和2050年SSP2-4.5情景下中国均衡人口空间分布情况如图4所示。多因素综合模式下，SSP2-4.5情景在2035年的分省均衡人口占比与2020年的真实人口占比相比较，西部地区人口占比相对下降，东北地区人口占比相对上升，而东部地区、中部地区人口占变化不明显。其中，2035年西部地区均衡人口占比为25.65%，相较2020年的27.17%下降约1.6%，其中四川、重庆、广西、云南等西南和华南省份的人口占比下降较为明显。东北地区均衡人口占比则从2020年的6.97%上升为8.41%，其中黑龙江、辽宁人口占比上升最为显著。到2050年，东部地区和东北地区均衡人口占比相较2035年略微下降，中部地区和西部地区均衡人口占比相较2035年有所回升。相对于单因素制约下2050年东部地区均衡人口占比的大幅下降，多因素综合模式下其人口占比下降较为缓和，可见要素之间的相互替代能在一定程度上缓解SSP2-4.5情景下东部地区自然资源不足的困境。虽然中部地区的均衡人口占比在2050年有所回升，但与2020年相比，依旧呈现下降趋势，可见在要素可替代的情况下，中部地区土地广袤、粮食产量充足等自然资源优势对其均衡人口容量的提升作用受到限制，而社会经济方面的劣势则被放大。到2050年，多因素综合模式下西部地区均衡人口占比相对2035年略微提升，但仍然低于单因素制约模式下的均衡人口占比，同样反映要素之间的可替代性会降低自然资源优势对中西部地区均衡人口容量的提升作用。
图4 多因素综合模式下SSP2-4.5情景人口空间均衡分布

Fig.4 Spatial equilibrium distribution of population under SSP2-4.5 with multi-factor constraints

总体而言，多因素模式下，中东部地区均衡人口占比相较2020年真实人口分布的变化较小，西部地区人口占比较2020年相对下降，东北地区人口占比较2020年相对上升。与单因素制约模式相比，多因素综合模式下自然资源较为匮乏的东部地区，其均衡人口占比相对上升，而中西部地区由于要素之间的可替代性，使其自然资源丰富的优势难以在均衡人口容量上体现出来，导致其均衡人口占比相对下降。
图5显示多因素综合模式下各情景均衡人口较SSP2-4.5情景的变化率空间分布。相较于单因素模式，多因素综合模式下各情景相较于SSP2-4.5的各省人口密度变化率基本在-10%~10%之间，情景之间变化较小。SSP1-1.9和SSP1-2.6由于人口总量相较于SSP2-4.5小，所以在人口空间均衡时，大部分地区人口密度相对SSP2-4.5下降，只有东部地区特别是华北和东北地区，还有西藏实现了人口密度的相对增长。SSP3-7.0中由于人口总量相对较多，大部分地区在人口空间均衡时人口密度相对SSP2-4.5较大，到2050年时也保持这样的态势不变。SSP4-3.4和SSP4-6.0下，中部地区和东北地区的个别省份得到了较好的发展，而到2050年，西北地区和西南地区省份人口出现了10%以上的显著下降。SSP5-8.5中，东北地区和东中部个别省份及青藏高原地区的均衡人口相对SSP2-4.5有所上升。
图5 多因素综合模式下各情景相较于SSP2-4.5的分省均衡人口变化率

Fig.5 Changes in provincial equilibrium population distribution under different scenarios with multi-factor constraints compared to SSP2-4.5

总体而言，相对于单因素制约下的人口空间均衡分布，多因素综合模式下对西部均衡人口规模的限制减少，资源的替换使西部地区在均衡条件下的人口容量有所增加，但中部地区相对于东部地区的自然资源优势消失，导致均衡状态下，东部地区人口占比反而有所提升。

2.4 组合情景下胡焕庸线的稳定性

基于前文的研究可知，2035年和2050年各情景下人口密度分布依旧以胡焕庸线为分界呈现一定的空间特征，因此本文大致将甘肃、内蒙古、宁夏、青海、西藏、新疆等省份划为胡焕庸线西部地区，其余省份为胡焕庸线以东地区，分析胡焕庸线两侧具体的人口分布状况。虽然陕西传统意义上被归为西北地区，但由于该省大部分地区，包括主要人口聚集地，均位于胡焕庸线以东，因此，本文将陕西划为胡焕庸线以东地区。
表7为单因素制约模式下胡焕庸线西侧的人口及占比。2020年，胡焕庸线西侧省份人口约为9174万人，占比6.51%。到2035年，在单因素制约模式下，除SSP1-1.9和SSP4-3.4情景以外，均衡状态下各情景胡焕庸线以西地区的均衡人口占比都稍有增加。但即便如此，到2035年胡焕庸线以西地区的人口仍然没有超过7%，并且都将在2050年再次收缩。到2050年，人口空间均衡状态下仅有SSP2-4.5西侧人口占比超过2020年，其余情景占比均小于6.51%。其中SSP3、SSP4和SSP5情景由于减少了区域合作，西部落后地区难以发展，为实现人口系统与外部系统相协调的均衡状态，人口将进一步向东部地区集聚。SSP1-1.9和SSP1-2.6情景由于区域经济政治合作密切，同时注重气候变化，西部地区的自然和经济条件改善，因而其西部人口流失情况并没有其他情景严重，但相较于2035年，其2050年西部人口占比的收缩态势依旧十分明显。
表7 单因素制约下胡焕庸线西侧均衡人口及占比

Tab.7 Equilibrium population distribution on the western side of the Hu Line and its proportion with single factor constraints

年份 指标 SSP1-1.9 SSP1-2.6 SSP2-4.5 SSP3-7.0 SSP4-3.4 SSP4-6.0 SSP5-8.5
2035 人口/万人 8423 9348 9283 9678 8224 8656 9056
占比/% 6.29 6.98 6.80 6.97 6.21 6.54 6.76
2050 人口/万人 7076 7779 8465 7664 6068 6865 7005
占比/% 5.78 6.35 6.70 5.86 5.13 5.80 5.72
表8是多因素综合模式下胡焕庸线西侧人口及占比。相较于单因素制约的胡焕庸线两侧进一步深化的东西分异格局，多因素综合模式下，虽然胡焕庸线西侧依旧保持着不超过7%的人口分布，但到2050年，东西两侧的分异并没有单因素制约下那么明显。在此模式下，由于资源间的替代，西部地区的限制因素减弱，到2050年，多个情景的西侧人口比例在人口空间均衡时相较2035年出现略微升高，但依旧不影响胡焕庸线两侧的人口分布格局。
表8 多因素综合模式下胡焕庸线西侧均衡人口及占比

Tab.8 Equilibrium population distribution on the western side of the Hu Line and its proportion with multi-factor constraints

年份 指标 SSP1-1.9 SSP1-2.6 SSP2-4.5 SSP3-7.0 SSP4-3.4 SSP4-6.0 SSP5-8.5
2035 人口/万人 8634 8850 9081 9343 8593 8625 8607
占比/% 6.45 6.61 6.65 6.73 6.49 6.52 6.43
2050 人口/万人 8100 8331 8509 8879 7627 7629 7950
占比/% 6.61 6.80 6.74 6.79 6.44 6.45 6.49
总体而言，胡焕庸线两侧的人口空间均衡分布格局并不会有较大改变，表明未来的气候变化及应对气候变化的社会经济发展路径并不影响胡焕庸线对中国人口地理的基本分界意义。

3 结论与讨论

3.1 结论

本文运用CMIP6数据，预估到2035年和2050年7种SSPs-RCPs下中国分省自然、社会、经济要素的变化情况，基于“可能—满意度”概念构建多区域人口空间均衡模型，探究在单因素制约和多因素综合模式下未来中国分省人口空间均衡分布格局，得到以下结论：
(1) 人口空间均衡状态下，SSP1的可能—满意度最高，表明可持续发展有利于缓解人与资源的紧张关系；SSP3-7.0的可能—满意度最低，表明高经济社会发展挑战和高气候适应挑战并存的情景难以实现人与资源相配套的高质量发展；SSP4和SSP5的可能—满意度在两种模式中两极分化，表明资源耗竭且不可替代时，其人口生存环境会急剧下降。
(2) 单因素制约模式下，SSP2-4.5情景中2035年和2050年中国的东部地区和西部地区均衡人口占比较2020年的真实人口占比有所下降，而中部和东北地区人口占比提升明显。相较SSP2-4.5，其他情景的均衡人口分布都呈现中东部地区人口相对上升、西部人口下降的格局。其中，SSP1-1.9和SSP1-2.6下人口空间均衡分布的东西分化较不明显，表明可持续发展下广泛的经济社会合作给西部地区带来发展机会。
(3) 单因素制约模式下，林地、粮食产量和水资源等自然因素是塑造未来中国人口空间均衡分布的核心因素。SSP1情景下，西部和东南沿海分别受到水热不足和耕地短缺的影响，均衡人口规模受粮食产量制约；SSP2-4.5下，粮食短缺和城市化发展缓慢是限制西部地区均衡人口规模的重要因素。SSP3-7.0、SSP4-6.0和SSP5-8.5下，人均林地占有量是大部分省份均衡人口规模的核心制约因素。
(4) 相较于单因素制约模式，多因素综合模式下要素的可替代性使得情景间的差异较小。整体上，由于东部自然资源条件对人口容量的制约作用减弱，使得中西部地区资源优势下降，导致各情景人口空间均衡分布格局向东倾斜。SSP2-4.5情景中，东部地区受自然资源条件限制导致均衡人口占比下降的趋势有所缓解，而中部和西南地区均衡人口占比相较于单因素模式有所下降。
(5) 各情景2035年和2050年胡焕庸线两侧均衡人口占比与2020年真实人口占比相比，差异在1个百分点内，这表明气候变化及其应对、适应和减缓措施并不影响胡焕庸线对中国人口地理的基本分界意义。

3.2 讨论

中国的均衡人口分布在气候变化下具有一定的稳健性，尽管在不同情景下呈现一定差异，但不会过分偏离东多西少的基本格局。SSP1倡导的可持续发展使得气候变化得到控制，由此带来的自然环境改善和区域间广泛合作令西部发展受益，使得中国均衡人口空间分布略微向西“倾斜”。区域竞争路径、不均衡路径和化石燃料路径对全球变暖的消极应对和对地区竞争的鼓励都会加大西部发展的难度，使胡焕庸线以东地区均衡人口占比上升。其中化石燃料路径SSP5尤其强调经济优先导向，带来剧烈的气候变化，而该路径下中国均衡人口东多西少的分布格局最为突出。
从政策角度来看，SSP1-1.9和SSP1-2.6的发展前景表明，选择可持续发展路径将更有利于中国在人口空间均衡状态下提高生存空间的舒适度，提升人口的生存质量。SSP3-7.0路径带来的经济发展和气候的双重压力会导致较低的生存满意度。SSP5-8.5情景强调经济导向，过分依赖化石燃料，短期内虽然会带来快速发展，一旦资源枯竭，会导致生存质量断崖式下跌。因此，对中国而言，坚持高质量、可持续的发展道路无论对于人口生存质量还是区域间的协调发展，都具有重要的意义。
本文的主要局限在于可能—满意度法对指标之间的替代关系设定较为简单，且多因素加权法的假设是因素之间可完全替代，这与现实存在一定差异。此外，受限于CMIP本身的预测数据维度，本文的可能—满意度指标体系较为粗糙，对影响人口空间均衡的外部条件刻画不够细致。
在下一步的研究中，我们将对人口空间均衡模型进行改进，尝试引入更加复杂的因素复合形式，并与我们自主研发的IAM(integrated assessment model)模型耦合，在内生动态的情景下研究分地区的人口空间均衡分布的变化。这将有待于进一步的工作去实现。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
原新, 刘旭阳. 促进人口均衡发展的长周期思考[J]. 学海, 2021(4): 38-46.

[Yuan Xin, Liu Xuyang. Long-term thinking on promoting the balanced development of population. Academia Bimestris, 2021(4): 38-46. ]

[2]
于学军, 翟振武, 杨凡, 等. 为什么要建设“人口均衡型社会”?[J]. 人口研究, 2010, 34(3): 40-52.

[Yu Xuejun, Zhai Zhenwu, Yang Fan, et al. Why should we build population-balanced society. Population Research, 2010, 34(3): 40-52. ]

[3]
田一聪, 田明, 李鹏, 等. 西藏自治区城镇化与生态系统服务协调发展研究[J]. 地理科学进展, 2023, 42(10): 1947-1960.

DOI

[Tian Yicong, Tian Ming, Li Peng, et al. Coordinated development of urbanization and ecosystem services in Tibet Autonomous region. Progress in Geography, 2023, 42(10): 1947-1960. ]

DOI

[4]
McMichael A J. Globalization, climate change, and human health[J]. New England Journal of Medicine, 2013, 368(14): 1335-1343.

[5]
Myers N. Environmental refugees: An emergent security issue[R]. The 13th economic forum. Prague, The Czech Republic, 2005.

[6]
Christian Aid. Human tide: The real migration crisis[R]. London, UK: Christian Aid, 2007.

[7]
曹志杰, 陈绍军. 气候风险视域下气候移民的迁移机理、现状与对策[J]. 中国人口·资源与环境, 2012, 22(11): 45-50.

[Cao Zhijie, Chen Shaojun. Analysis of climate migrants' migration mechanism status and countermeasures in the perspective of climate risk. China Population, Resources and Environment, 2012, 22(11): 45-50. ]

[8]
贾占华, 谷国锋. 东北地区人口分布的时空演变特征及影响因素[J]. 经济地理, 2016, 36(12): 60-68.

[Jia Zhanhua, Gu Guofeng. Temporal-spatial evolution characteristics and its influence factors about population distribution in Northeast China. Economic Geography, 2016, 36(12): 60-68. ]

[9]
彭希哲, 刘宇辉. 生态足迹与区域生态适度人口: 以西部12省市为例[J]. 市场与人口分析, 2004(4): 9-15, 28.

[Peng Xizhe, Liu Yuhui. Ecological footprint and regional eco-optimum population: Take China's western provinces as an example. Market & Demographic Analysis, 2004(4): 9-15, 28. ]

[10]
王德, 朱玮, 叶晖. 1985—2000年我国人口迁移对区域经济差异的均衡作用研究[J]. 人口与经济, 2003(6): 1-9.

[Wang De, Zhu Wei, Ye Hui. Equilibration effects of population migration on regional economic difference in China from 1985 to 2000. Population & Economics, 2003(6): 1-9. ]

[11]
蒋子龙, 樊杰, 陈东. 2001—2010年中国人口与经济的空间集聚与均衡特征分析[J]. 经济地理, 2014, 34(5): 9-13, 82.

[Jiang Zilong, Fan Jie, Chen Dong. Analysis of spatial agglomeration and equilibrium characteristics for population and economic in China during 2001-2010. Economic Geography, 2014, 34(5): 9-13, 82. ]

[12]
尹虹潘, 刘渝琳, 刘姝伶. 经济分布基准下的中国人口分布均衡测度研究: 基于Matlab空间模拟的估算[J]. 中国人口科学, 2014(5): 11-23, 126.

[Yin Hongpan, Liu Yuling, Liu Shulin. Research on measuring the equilibrium of China's population distribution under the condition of economy's allocation: Based on spatial simulation and estimation with Matlab. Chinese Journal of Population Science, 2014(5): 11-23, 126. ]

[13]
胡斯威, 王永生, 曹智. 乡村人地系统耦合研究进展与展望[J]. 地理科学进展, 2023, 42(12): 2439-2452.

DOI

[Hu Siwei, Wang Yongsheng, Cao Zhi. Progress and prospects of rural human-earth system coupling research. Progress in Geography, 2023, 42(12): 2439-2452. ]

DOI

[14]
程晨, 丁金宏, 顾高翔, 等. 长三角地区人口空间均衡模型建构及应用[J]. 地理学报, 2024, 79(2): 390-401.

DOI

[Cheng Chen, Ding Jinhong, Gu Gaoxiang, et al. Construction and application of multi-regional population spatial equilibrium model in the Yangtze River Delta region. Acta Geographica Sinica, 2024, 79(2): 390-401. ]

DOI

[15]
王浣尘. 采用可能度和满意度的多目标决策方法[J]. 系统工程理论与实践, 1982(1): 14-22.

[Wang Huanchen. Multi-objective decision-making methods using possibility and satisfiability. Systems Engineering—Theory & Practice, 1982(1): 14-22. ]

[16]
王颖, 黄进, 赵娟莹. 多目标决策视角下中国适度人口规模预测[J]. 人口学刊, 2011(4): 21-29.

[Wang Ying, Huang Jin, Zhao Juanying. The estimation of optimum population of China under multiple goals restrain. Population Journal, 2011(4): 21-29. ]

[17]
童玉芬, 王静文, 梁钊. 资源环境约束下的中国适度人口研究[J]. 人口研究, 2016, 40(2): 3-11.

[Tong Yufen, Wang Jingwen, Liang Zhao. China's optimum population: An environmental perspective. Population Research, 2016, 40(2): 3-11. ]

[18]
王勇, 解延京, 刘荣, 等. 北上广深城市人口预测及其资源配置[J]. 地理学报, 2021, 76(2): 352-366.

DOI

[Wang Yong, Xie Yanjing, Liu Rong, et al. Population prediction and resource allocation in megacities from the optimum population perspective: A case study of Beijing, Shanghai, Guangzhou and Shenzhen. Acta Geographica Sinica, 2021, 76(2): 352-366. ]

DOI

[19]
Ye C, Yang D Y, Zhao J N. An empirical study of the registered population transformation in China's megacities[J]. Journal of Geographical Sciences, 2022, 32(12): 2525-2540.

[20]
O'Neill B C, Kriegler E, Riahi K, et al. A new scenario framework for climate change research: The concept of shared socioeconomic pathways[J]. Climatic Change, 2014, 122(3): 387-400.

[21]
O'Neill B C, Kriegler E, Ebi K L, et al. The roads ahead: Narratives for shared socioeconomic pathways describing world futures in the 21st century[J]. Global Environmental Change, 2017, 42: 169-180.

[22]
钟章奇, 王铮, 夏海斌, 等. 全球气候变化下中国农业生产潜力的空间演变[J]. 自然资源学报, 2015, 30(12): 2018-2032.

[Zhong Zhangqi, Wang Zheng, Xia Haibin, et al. Temporal and spatial variation of the potential agricultural productivity of China under global climate change. Journal of Natural Resources, 2015, 30(12): 2018-2032. ]

DOI

[23]
李亚婷, 潘少奇, 苗长虹. 中国县域人均粮食占有量的时空格局: 基于户籍人口和常住人口的对比分析[J]. 地理学报, 2014, 69(12): 1753-1766.

DOI

[Li Yating, Pan Shaoqi, Miao Changhong. The spatial-temporal patterns of per capita share of grain at the county level in China: A comparation between registered population and resident population. Acta Geographica Sinica, 2014, 69(12): 1753-1766. ]

DOI

[24]
周迪, 周丰年, 钟绍军. 我国人均水资源量分布的俱乐部趋同研究: 基于扩展的马尔科夫链模型[J]. 干旱区地理, 2018, 41(4): 867-873.

[Zhou Di, Zhou Fengnian, Zhou Shaojun. "Club convergence"of per capita water resource distribution in China: Based on extended Markov chain model. Arid Land Geography, 2018, 41(4): 867-873. ]

[25]
Riahi K, van Vuuren D P, Kriegler E, et al. The Shared Socioeconomic Pathways and their energy, land use, and greenhouse gas emissions implications: An overview[J]. Global Environmental Change, 2017, 42: 153-168.

[26]
Murakami D, Yoshida T, Yamagata Y. Gridded GDP projections compatible with the five SSPs (shared socioeconomic pathways)[J]. Frontiers in Built Environment, 2021, 7: 760306. doi: 10.3389/fbuil.2021.760306.

[27]
Lutz W, Butz W P, Samir K C. World population and human capital in the 21st century[M]. Oxford, UK: Oxford University Press, 2014.

[28]
杨绚, 汤绪, 陈葆德, 等. 利用CMIP5多模式集合模拟气候变化对中国小麦产量的影响[J]. 中国农业科学, 2014, 47(15): 3009-3024.

DOI

[Yang Xuan, Tang Xu, Chen Baode, et al. Impacts of climate change on wheat yield in China simulated by CMIP5 multi-model ensemble projections. Scientia Agricultura Sinica, 2014, 47(15): 3009-3024. ]

DOI

[29]
梁鑫源, 金晓斌, 孙瑞, 等. 多情景粮食安全底线约束下的中国耕地保护弹性空间[J]. 地理学报, 2022, 77(3): 697-713.

DOI

[Liang Xinyuan, Jin Xiaobin, Sun Rui, et al. China's resilience-space for cultivated land protection under the restraint of multi-scenario food security bottom line. Acta Geographica Sinica, 2022, 77(3): 697-713. ]

DOI

[30]
李满春, 杜聪, 姜朋辉, 等. 土地系统演变与气候变化耦合的中国未来水稻潜在产量模拟研究[J]. 中国科学: 地球科学, 2023, 53(8): 1795-1807.

[Li Manchun, Du Cong, Jiang Penghui, et al. Simulation of China's potential rice yields by coupling land system evolution and climate change. Scientia Sinica (Terrae), 2023, 53(8): 1795-1807. ]

[31]
丁小江, 钟方雷, 毛锦凰, 等. 共享社会经济路径下中国各省城市化水平预测[J]. 气候变化研究进展, 2018, 14(4): 392-401.

[Ding Xiaojiang, Zhong Fanglei, Mao Jinhuang, et al. Provincial urbanization projected to 2050 under the shared socioeconomic pathways in China. Climate Change Research, 2018, 14(4): 392-401. ]

[32]
吴卓, 戴尔阜, 葛全胜, 等. 土地利用和气候变化对森林地上生物量的影响模拟: 以江西省泰和县为例[J]. 地理学报, 2017, 72(9): 1539-1554.

DOI

[Wu Zhuo, Dai Erfu, Ge Quansheng, et al. Modelling the integrated effects of land use and climate change scenarios on forest above ground biomass: A case study in Taihe County of China. Acta Geographica Sinica, 2017, 72(9): 1539-1554. ]

DOI

Options
文章导航

/

〈 〉