EN中文

PROGRESS IN GEOGRAPHY >

2023 , Vol. 42 >Issue 3: 452 - 463

DOI: https://doi.org/10.18306/dlkxjz.2023.03.004

Articles

Detecting spatiotemporal variation of population in different types of regions in China based on the census data of 2000, 2010 and 2020

  • YIN Xu , 1, 4 ,
  • WEI Hui 2 ,
  • LI Yurui , 3, * ,
  • CHEN Yue 5
Expand
  • 1. School of Geographic Science, Hebei Normal University, Shijiazhuang 050024, China
  • 2. School of Public Management, Hebei University of Economics and Business, Shijiazhuang 050061, China
  • 3. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 4. GeoComputation and Planning Center of Hebei Normal University, Shijiazhuang 050024, China
  • 5. College of Tourism and Urban-Rural Planning, Chengdu University of Technology, Chengdu 610059, China

Received date: 2022-10-25

  Revised date: 2023-01-10

  Online published: 2023-03-27

Supported by

National Natural Science Foundation of China(41971220)

National Natural Science Foundation of China(41931293)

Young Top Talents Project of Hebei University Science and Technology Research Project(BJK2023081)

Fold

Abstract

In the new era, research on China's population aggregation and decentralization in different types of regions is of great reference value for the implementation of strategies for the new-type urbanization and rural revitalization. Therefore, we studied the spatiotemporal variations of population in China and its different types of regions (for example, urban agglomerations, original contiguous destitute areas, and border areas) at the county level based on the data of three censuses from 2000 to 2020. The results show that: 1) The pattern of China's population distribution, which is dense in the east and sparse in the west, had not fundamentally changed, and the population ratio of the southeast side to the northwest side of the Hu line is still 94∶6. Furthermore, the Chinese population had entered a period of negative growth, and more than half of the counties had negative population growth from 2010 to 2020. 2) The urban agglomeration areas were the main areas carrying China's population, accounting for nearly 90% of China's total population in 2020. From 2010 to 2020, among the 19 urban agglomerations of China, the Pearl River Delta and the Yangtze River Delta had the most significant population growth, while the Harbin-Changchun and central-southern Liaoning urban agglomerations experienced negative population growth. 3) The population of original contiguous destitute areas dropped continuously from 2000 to 2020, and the total population decreased by more than 11 million during the 20 years. But the population growth of three prefectures of southern Xinjiang and the Tibet area inhabited by ethnic minorities exceeded 15% from 2010 to 2020. 4) The population of border areas had been basically stable, but the population agglomeration index and population density decreased slightly from 2000 to 2020. In particular, the population of the northeastern and northern border areas declined significantly, both with a decrease of 15% from 2010 to 2020. The implications of this study are that the government should attach greater importance to the actual status of population change for carrying out targeted policies—such as the new-type of urbanization, rural revitalization, and national defense and security—under the new situation.

Key words： population; the 7th National Census; urban agglomerations; original contiguous destitute areas; border areas

Cite this article

YIN Xu , WEI Hui , LI Yurui , CHEN Yue . Detecting spatiotemporal variation of population in different types of regions in China based on the census data of 2000, 2010 and 2020[J]. PROGRESS IN GEOGRAPHY, 2023 , 42(3) : 452 -463 . DOI: 10.18306/dlkxjz.2023.03.004

人口是事关国家兴衰和民众福祉的基础性、全局性和战略性要素[1-2]，人口分布是产业合理布局、资源优化配置和区域协调发展的重要前提和基础[3]。第七次全国人口普查(简称“七普”)结果显示，中国人口发展的主要矛盾从数量性压力向结构性压力转化，表现为出生人口不断下降、老龄化程度不断加深、人口城镇化速度加快、人口流动高度活跃等新变化[4-5]。2022年，中国总人口减少85万人，自1962年人口首次负增长。因此，开展新形势下中国人口分布，尤其是不同政策类型地区的人口时空演化研究，对于中国的新型城镇化和乡村振兴等重大战略的设计和实施具有重要参考价值。
人口数量规模在地理空间上的分布是人口地理学的重要研究领域[6]。1935年，地理学家胡焕庸先生提出的瑷珲—腾冲线(也称“胡焕庸线”)[7]，至今仍被认为是中国人口分布难以逾越的界线[8]。当前，人口分布研究进展主要表现为以下几个方面：① 研究尺度不断向更加微观和宏观尺度拓展。一方面，当前人口分布研究尺度主要以省级[9]、地市级[3]和县级[10-11]为主，随着人口统计数据的逐渐丰富，乡镇[2,12]和街区尺度[13]的研究不断丰富；另一方面，由于经济全球化的持续推进以及COVID-19在世界各国的肆虐，推动了人口分布研究向全球尺度拓展[14-15]。② 研究方法主要基于GIS和RS技术进行定量化研究。20世纪70年代后期，随着欧美“计量革命”的发展[16]，人口分布研究逐渐向定量分析、动态模拟研究迈进[17]，大量GIS和RS技术被应用于人口分布研究中，如人口重心[18]、人口集聚度[19]、探索性空间数据分析[20]等，丰富了人口分布的定量化研究。③ 研究主题不断丰富。随着现实需求不断增加，人口分布的研究主题不断丰富。中西方学者在关注主题上有明显差异：西方人文地理学在经历社会化、人文化转向后，更偏重微观社区尺度变化，如逆城市化过程中的社区绅士化问题[21]、妇女平权与生育问题[22]及弱势群体的住房和空间正义[23]；而中国的人口分布研究主要面向现实需求和国家战略，服务政府决策特点明显，重点关注城镇人口[24]、流动人口[25]、老年人口[26]和高技能人口[27-28]等。
新时期中国的人口集疏格局发生了显著变化。2010年以来，城市群作为中国新型城镇化主体的战略引领地位进一步提升[29]，已经成为吸纳流动人口和集聚新增人口的主要地区[30]。同时，边境地区也是新型城镇化关注的重要方面[31]，“十四五”新型城镇化提出“构建以边境地级市为带动、边境县城和口岸为依托、抵边村镇为支点的边境城镇体系”，进一步充实边境地区的人口。另一方面，脱贫地区一直是国家政策的重要关注点，随着精准扶贫和乡村振兴战略的实施[32-33]，中国农村地区的贫困人口显著减少，贫困发生率显著下降。
2020年11月1日零时开展的七普是对中国新时代人口开展的重大国情国力调查，为研究新形势下中国人口发展特征以及制定人口与社会经济发展战略提供了有力的数据支撑。因此，本文以最新发布的2020年中国人口普查分县数据为主，结合2000年和2010年中国人口普查(即第五、第六次全国人口普查，简称“五普”“六普”)数据，揭示中国县域尺度2000—2020年人口时空演变特征，并着力分析城市群、原连片特困地区和边境地区等不同政策类型区的人口变化情况，尝试总结新发展格局下中国人口集疏变化的新特点和新趋势，以期为新时期与人口分布密切相关的国家重大战略提供科学参考。

1 数据与方法

1.1 数据来源与处理

本文的研究数据主要包括分县人口总量数据、土地面积数据和行政边界矢量数据。分县人口总量数据为常住人口统计口径，来源于五普、六普和七普。分县土地面积主要来源于《县域统计年鉴(县市卷)》，市辖区主要整理自各区县政府网站。分县行政边界矢量数据来源于中国科学院资源环境科学数据中心(https://www.resdc.cn/)的2015年中国县级行政边界数据，并结合中国民政部发布的《中华人民共和国二〇二〇年县级以上行政区划变更情况》，对县级行政边界进行了调整，最终获取了2020年中国县级行政边界数据。
为建立空间上衔接、时间上连续的分县人口空间化数据库，本文做了如下处理：① 2020年分县人口普查数据的整理。数据整理时，国家统计局尚未发布excel版的2020年中国人口普查分县数据，因此，首先对《中国人口普查分县资料 2020》进行了电子化处理，并以民政部公布的2020年区县行政代码为基准，将各种类型的高新区、开发区人口数据合并到所属的区县中。如将石家庄市循环化工园区并入藁城区统计，石家庄市高新技术产业开发区并入裕华区统计等。② 3次人口普查数据的衔接。2000—2020年，中国县级行政单元进行了较多的行政区划调整，基本可以分为仅行政代码发生变更、撤销合并、拆分和增设及其他变动4种类型，具体的处理过程如表1所示。③ 分县人口数据的空间化。基于2020年区县行政代码，将2000—2020年人口数据空间链接到2020年县级行政边界数据，最终获取中国2000—2020年分县人口空间化数据，研究的县域空间单元为2843个。限于数据可得性，本次研究不包含港澳台地区。
表1 2000—2020年中国县级行政单元变动类型及处理过程

Tab.1 Types of change of county administrative units in China from 2000 to 2020 and data processing

类型 数量/个 处理方式 示例
仅行政代码发生变更 279 以2020年区县行政代码数据为基准，调整2000年和2010年的区县行政代码，将人口普查数据链接到2020年 如2019年，撤销莱芜市划归济南市，分别成立济南市莱芜区和钢城区，因此调整其原行政代码，并将其2000年和2010年的人口普查数据链接为当前行政区划
撤销合并 45 以2020年区县行政单元为基准，将2000年和2010年撤并的区县合并到2020年 如2010年，撤销北京市东城区、崇文区合并为新的东城区，撤销西城区、宣武区合并为新的西城区
拆分和辖区部分变动 92 由于七普的乡镇街道人口数据并未公布，因此参照2010年的乡镇街道人口比例，将行政边界发生变动的县级单元按照六普乡镇街道人口比例进行分配 如2018年，拆分山西省大同市南郊区，部分乡镇归属于云冈区，其余乡镇则归属于平城区
增设以及其他情况 28 主要为2010年之后新设立的县级单元，考虑缺少2000年和2010年人口数据，因此做了删除处理 如2010年之后新成立的北屯市、铁门关市、可克达拉市、双河市、胡杨河市、昆玉市和三沙市等

1.2 研究方法

本文采取人口集聚度模型揭示中国分县人口的集疏变化特征。人口集聚度是指某一县级行政单元人口相对于全国人口的集聚程度，可以用某一县级行政单元以占全国1%的国土面积上集聚的全国人口的比重来表示[19,34]。计算公式为：
J J D i = P i / A i × A n 100 / P n = D i 1 00 × D n
式中： J J D i是第i个县级行政单元的人口集聚度； P i是第i个县级行政单元的人口数量(人)； A i是第i个县级行政单元的土地面积(km2)； P n是全国的人口总数(人)； A n是全国的土地面积(km2)； D i是第i个县级行政单元的人口密度(人/km2)， D n是全国的人口密度(人/km2)。
参考刘睿文等[19]的研究，依据中国分县人口集聚程度的大小，将全国2843个县级行政单元划分为人口密集区、人口均值区和人口稀疏区3种类型。进一步，这3种类型可细分为人口高度密集区、人口中度密集区、人口低度密集区、人口密度均上区、人口密度均下区、人口相对稀疏区、人口绝对稀疏区和人口极端稀疏区共8种类型(表2)。
表2 基于分县尺度的人口集聚度分级标准

Tab.2 Population agglomeration grading standards at the county-level

人口集聚度分级 人口集聚度
人口密集区 人口高度密集区 JJD≥8
人口中度密集区 4≤JJD<8
人口低度密集区 2≤JJD<4
人口均值区 人口密度均上区 1≤JJD<2
人口密度均下区 0.5≤JJD<1
人口稀疏地区 人口相对稀疏区 0.2≤JJD<0.5
人口绝对稀疏区 0.05≤JJD<0.2
人口极端稀疏区 JJD<0.05

1.3 不同类型地区的选取

特殊类型地区在国家发展战略中发挥着重要作用，当前国家较为重要的政策板块包含城市群地区、脱贫地区和边境地区等。本文选取的城市群地区空间范围参照《中国城市群地图集》中的“5+5+9”城市群[35]，即京津冀、长三角、珠三角、成渝、长江中游5个优化提升型城市群，山东半岛、粤闽浙沿海、中原、关中平原、北部湾5个发展壮大型城市群，哈长、辽中南、山西中部、黔中、滇中、呼包鄂榆、兰州—西宁、宁夏沿黄、天山北坡9个培育发展型城市群，共计2186个县域行政单元。脱贫地区选取了典型的原连片特困区，即《中国农村扶贫开发纲要(2011—2020年)》确定的14个连片特困地区：大兴安岭南麓山区、燕山—太行山区、大别山区、罗霄山区、吕梁山区、六盘山区、秦巴山区、武陵山区、乌蒙山区、滇桂黔石漠化区、滇西边境山区和已明确实施特殊政策的新疆南疆三地州、四省藏区和西藏区，共计680个县域行政单元。边境地区为中国与周边陆上邻国有接壤的陆域边境县，按照所处的地理位置分为东北边境、北部边境、西北边境和西南边境，包含辽宁、吉林、黑龙江、内蒙古、甘肃、新疆、西藏、云南和广西9个省份共136个县域行政单元。

2 结果分析

2.1 全国人口时空变化分析

中国人口分布东密西疏的大势并未发生根本改变，人口仍集中在胡焕庸线东南侧的平原和丘陵地区。2020年，中国的人口密度平均值为147人/km2，相比于2000年的134人/km2和2010年的143人/km2有了进一步提升，但提升速度明显下降。从中国人口空间分布来看，胡焕庸线东南半壁县域的人口密度大多在100人/km2以上，形成了黄淮海平原、长三角、珠三角和四川盆地等人口密集连片区，而西北半壁的县域大多在50人/km2以下，人口密度较高的县域集中在省会和中心城市，呈散点状分布(图1)。2020年，胡焕庸线东西两侧的分县人口总量占比分别为93.76%和6.24%，相较于2010年的93.68%和6.32%[36]，东南半壁人口比重微升，西北半壁人口比重微降，但仍稳定保持约94∶6的比值，中国人口东密西疏的态势并未发生根本改变。
图1 2020年中国分县人口密度与人口集聚度

注：图a图例括号内的数字为对应人口密度区间的县域个数。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(2019)1819号的标准地图制作，底图无修改。下同。

Fig.1 China's population density and agglomeration at the county-level in 2020

进一步从人口集聚度来看，中国以人口均值区和人口密集区为主，人口集聚度持续上升。2020年，人口均值区和人口密集区的县域单元数量分别为904个和1389个，约占总数的31.80%和48.86%，是中国主要的人口集聚类型。相应地，人口均值区和人口密集区的人口占比分别为71.30%和23.11%，土地面积占比分别为13.26%和22.21%。在进一步的集聚度分区中，人口高度密集区的县域单元数量为461个，土地面积占比仅为1.51%，而人口占比却达到了29.65%，人口密度平均值达到了2884人/km2。人口极端稀疏区的县域单元数量为144个，土地面积占比高达39.98%，人口却仅占0.62%，人口密度平均值仅为2人/km2。由此可见，中国的人口—土地分布极不均衡(表3)。从时间上来看，2020年中国分县人口集聚度为7.67，相较于2000年的6.44和2010年的7.06有了进一步提升，表明中国人口集聚的趋势在不断增强。另外，从空间上来看，2000—2020年，长三角、珠三角以及各省级单元省会的人口集聚度不断上升，同时人口密集区的县域个数却从2000年的1434个下降到了2020年的1389个，表明中国人口正向着少数的大城市快速集聚，人口空间分布愈加不平衡(图1b)。
表3 2020年中国分县人口集聚度分区统计

Tab.3 Population agglomeration zoning at the county-level in China in 2020

人口集聚度分区分类 县域行政单元数量/个 人口 土地 人口密度
总量/万人 比例/% 面积/万km2 比例/% 值域/(人/km2) 均值/(人/km2)
人口密集地区 高度密集区 461 41784.12 29.65 14.49 1.51 1177~35571 2884
中度密集区 379 26155.97 18.56 33.66 3.51 588~1174 777
低度密集区 549 32548.76 23.10 78.91 8.24 294~588 412
小计 1389 100488.85 71.30 127.06 13.26 294~35571 791
人口均值地区 密度均上区 459 19967.36 14.17 95.57 9.97 147~294 209
密度均下区 445 12608.04 8.95 117.21 12.23 74~147 108
小计 904 32575.40 23.11 212.78 22.21 74~294 153
人口稀疏地区 相对稀疏区 251 4904.35 3.48 98.12 10.24 30~73 50
绝对稀疏区 155 2083.13 1.48 137.08 14.31 7~29 15
极端稀疏区 144 880.35 0.62 383.11 39.98 0.16~7 2
小计 550 7867.83 5.58 618.31 64.53 0.16~73 13
中国分县人口以减少为主，人口增长的县域主要为地级市及以上城市的市辖区和西部少数民族地区。相较于2000—2010年中国有1785个县域人口实现了正增长(占比62.79%)，2010—2020年这一数字下降到了1315个(占比46.25%)，减幅在1/3以上，当前中国大部分县域的人口已经向负增长转变。从空间分布上来看，相较于2000—2010年中国人口增加的县域广泛分布在东部沿海和西部少数民族地区，2010—2020年这一范围缩小到了长三角、珠三角、各省的地级市及以上城市的市辖区和新疆、青海、西藏等少数民族聚居区。而人口减少的县域则从2000—2010年的长江中下游省份和东北少数地区，在2010—2020年扩散到了中西部省份和东北绝大部分地区(图2)。
图2 2000—2020年中国分县人口变化率

Fig.2 China's population change rate at the county-level during 2000-2020

耦合2000年的人口集聚度和2000—2020年人口增减变化率，将中国2843个县域划分为9种人口发展类型(表4)。相较于2000—2010年人口密集区快速增长是占比最高的类型(19.63%)，2010—2020年占比最高的类型变成了人口密集区负向增长(22.09%)。在空间分布上(图3)，相较于2000—2010年，2010—2020年人口快速增长呈现3种类型： ① 人口密集区快速增长范围缩减到长三角、珠三角、各省省会以及区域中心城市，仅在重庆、成都、贵阳、合肥和郑州等中西部核心城市市辖区范围有所扩张；② 人口均值区快速增长范围由赣南、粤北和云贵川连片分布缩减为零散分布，仅在浙江沿海的台州和温州范围有所扩张；③ 人口稀疏区快速增长范围由胡焕庸线西北半壁的广大地区缩减为新疆、青海、西藏等少数民族聚居区。相应地，人口呈现负向增长的3种类型中：① 人口密集区负向增长范围扩张到黄淮海平原、长江中游、四川盆地和潮汕地区大部分地区；② 人口均值区负向增长范围扩张到东北平原、山西、赣南、粤北和云南大部分地区；③ 人口稀疏区负向增长范围扩张到内蒙古、甘肃西部、青海北部、四川西部等大部分地区。
表4 2000—2020年中国分县人口集聚度分区统计

Tab.4 Population agglomeration zoning of China during 2000-2020

人口集聚度分区 2000—2010年 2010—2020年
县域
数量/个		 比例/% 县域数量/个 比例/%
人口密集区快速增长 558 19.63 514 18.08
人口密集区慢速增长 404 14.21 271 9.53
人口密集区负向增长 472 16.60 628 22.09
人口均值区快速增长 175 6.16 122 4.29
人口均值区慢速增长 328 11.54 202 7.11
人口均值区负向增长 446 15.68 620 21.81
人口稀疏区快速增长 183 6.44 102 3.59
人口稀疏区慢速增长 137 4.82 105 3.69
人口稀疏区负向增长 140 4.92 279 9.81
图3 2000—2020年中国分县人口发展综合分区

Fig.3 Typology of China's population development at the county-level during 2000-2020

2.2 城市群地区人口时空变化分析

城市群地区已经成为承载中国人口的主体区。2020年，19个城市群总人口达到了12.31亿人，占全国总人口的近9成，人口集聚度和人口密度均显著高于全国平均水平，表明城市群地区已经成为了中国人口集聚的主战场，在国家新型城镇化和经济高质量发展中发挥着战略核心区的作用(表5)。从时间上来看，2020年城市群地区各项统计指标进一步增长，相较于2000年，城市群地区总人口增加了1.53亿人，占全国总人口比重提升了0.74%，人口集聚度增加了1.52，人口密度也增加了33人/km2。总体来看，城市群地区人口集聚趋势进一步增强，人口承载的主体地位进一步提高。
表5 2000—2020年中国19个城市群人口整体情况统计

Tab.5 Population statistics of urban agglomerations in China during 2000-2020

年份 人口总量/亿人 全国占比/% 人口集聚度 人口密度/(人/km2)
2000 10.78 86.65 7.73 229
2010 11.57 86.96 8.49 246
2020 12.31 87.39 9.25 262
大部分城市群人口持续增长，但哈长和辽中南城市群人口负增长。2020年，中国19个城市群中有5个人口超过了1亿人，其中长三角城市群人口最多，达到了1.81亿人，然后是长江中游(1.51亿人)、京津冀(1.28亿人)、成渝(1.14亿人)和山东半岛(1.1亿人)城市群，除山东半岛城市群外，均为优化提升的国家级城市群，而宁夏沿黄城市群人口最少，仅为457.85万人。从时间上来看，相较于2000—2010年，2010—2020年人口负增长的城市群由成渝和黔中城市群变成哈长和辽中南。人口增量前三的城市群由长三角、京津冀和珠三角变成了珠三角、长三角和京津冀，表明人口重心在向南移动(图4)。
图4 2000—2020年中国19个城市群人口增减变化

Fig.4 Population change rate of urban agglomerations in China during 2000-2020

2.3 原连片特困地区人口时空变化分析

原连片特困地区人口持续减少。2020年，原14个连片特困地区总人口为1.98亿人，占全国总人口比重为14.08%，人口集聚度和人口密度均低于全国平均水平，从地理区位来看，该区主要位于自然本底较差的中西部，人口分布相对稀疏。2000—2020年，该区总人口减少超过1100万人，尤其是异地扶贫搬迁实施的2010—2020年，人口减少了860万人，人口集聚度和人口密度进一步下降(表6)。
表6 2000—2020年中国原连片特困地区人口增减统计

Tab.6 Population change statistics of original contiguous destitute areas in China during 2000-2020

原连片特困地区名称 2000—2010年 2010—2020年
人口增减变化量/万人 人口增减变化率/% 人口增减变化量/万人 人口增减变化率/%
大兴安岭南麓山区 6.27 0.96 -181.87 -27.57
燕山—太行山区 13.92 1.42 -92.50 -9.33
大别山区 -284.82 -9.54 -58.43 -2.16
罗霄山区 107.90 11.73 -32.83 -3.20
吕梁山区 -10.91 -3.10 -73.01 -21.44
六盘山区 -41.60 -2.18 -140.71 -7.52
秦巴山区 -171.60 -5.47 -250.49 -8.45
武陵山区 -143.10 -4.79 -117.64 -4.14
乌蒙山区 85.76 4.66 6.53 0.34
滇桂黔石漠化区 -83.61 -3.40 17.60 0.74
滇西边境山区 71.61 4.96 -103.98 -6.87
新疆南疆三地州 99.25 17.96 104.06 15.96
四省藏区 66.38 13.99 -2.67 -0.49
西藏区 38.93 14.85 63.73 21.17
合计 -245.62 -1.17 -862.22 -4.16
除少数民族聚居的地区外，原连片特困区以人口减少为主。从人口密度来看，原14个连片特困区大多人口密度较低，但仍有4个高于全国平均水平，分别是大别山区、罗霄山区、武陵山区和乌蒙山区，人均耕地面积少，人地关系较为紧张。从时间上来看，相较于2000—2010年，2010—2020年人口负增长的地区从6个上升为10个，占比由42.86%上升为71.43%，尤其是大兴安岭南麓山区和吕梁山区，10年间人口减幅在20%以上，呈大量流失的态势。人口正增长的地区主要为少数民族聚居区，尤其是新疆南疆三地州和西藏区，2010—2020年人口增幅分别在15%和20%以上，少数民族宽松的人口生育政策也使得当地人口增长较快(表6、图5)。
图5 2000—2020年中国14个原连片特困地区人口增减变化

Fig.5 Population change rate of the 14 original contiguous destitute areas in China during 2000-2020

2.4 边境地区人口时空变化分析

边境地区人口基本保持稳定。2020年，136个边境县的总人口为2184.2万人，占全国比重为1.55%，人口集聚度和人口密度均远低于全国平均水平，边境地区或因地形不适宜(如西南边境地形以高原和山地为主)或因气候不适宜(如北方边境寒冷干燥)，是中国的人口稀疏地区。2000—2020年，边境地区总人口基本保持稳定，2020年人口集聚度和人口密度较2010年有所下降，占全国人口比重降低，是人口减少地区(表7)。边境地区是国防安全的第一线，未来应予更多的关注。
表7 2000—2020年中国边境地区人口增减统计

Tab.7 Population change statistics of China's border areas during 2000-2020

边境地区
划分		 省份 2000—2010年 2010—2020年
人口增减变化量/万人 人口增减变化率/% 人口增减变化量/万人 人口增减变化率/%
东北边境 辽宁 8.35 7.02 -12.28 -9.64
吉林 -8.07 -3.68 -51.99 -24.62
黑龙江 6.40 2.05 -34.48 -10.82
北部边境 内蒙古 6.59 3.62 -29.39 -15.56
西北边境 甘肃 0.19 14.82 0.01 0.76
新疆 45.96 10.41 40.36 8.28
西南边境 西藏 3.42 11.44 4.30 12.88
云南 41.71 6.68 9.86 1.48
广西 5.66 2.73 10.44 4.91
合计 110.21 5.16 -63.17 -2.81
东北和北部边境人口下降较快，西北和西南边境人口持续增加。① 东北边境包含辽宁、吉林和黑龙江3省(区)的边境县，2000—2020年人口减少了92.07万人，其中2010—2020年减少了98.74万人，降幅达到了15.02%。分省来看，辽宁、吉林和黑龙江3省边境地区人口均为负增长，其中吉林和黑龙江2010—2020年人口减量分别超过了50万人和34万人，减幅在20%和10%以上。② 北部边境为内蒙古的边境县，2000—2020年人口减少了22.8万人，其中2010—2020年减少了29.39万人，降幅达到了15.14%。③ 西北边境县主要为新疆下辖，甘肃仅有肃北蒙古族自治县1个边境县。2000—2020年西北边境人口增长了86.52万人，其中2010—2020年增加40余万人，增幅在8%以上，属于人口较快增长地区。④ 西南边境包含西藏、云南和广西3省(区)的边境县，2000—2020年人口增长了75万余人，其中2010—2020年增加约25万人，增幅为2.7%，较2000—2010年有所下降，西藏、云南和广西3省(区)边境人口均为正增长，其中云南边境人口增幅不足1.5%，25个边境县仅9个正增长，广西边境人口增幅约为5%，8个边境县有5个正增长，而西藏边境人口增幅接近13%，18个边境县有15个正增长(表7、图6)。
图6 2000—2020年中国边境县人口增减变化

Fig.6 Population change rate of China's border areas during 2000-2020

3 结论与讨论

3.1 结论

本文收集整理了从五普到七普的中国分县尺度人口空间分布数据集，采用人口密度、人口集聚度和人口增减变化等方法揭示了2000—2020年全国和不同类型地区(城市群地区、原连片特困地区和边境地区)的人口时空演变特征。主要结论为：
(1) 中国人口分布东密西疏的大势未变，但中国人口正向着负增长发展。2020年，中国以人口均值区和人口密集区为主，东南半壁和西北半壁人口仍稳定保持约94∶6的比值，中国人口东密西疏的态势并未发生根本改变。2000—2010年中国人口负增长的县域比例仅为37.21%，2010—2020年则增至53.75%，负增长已成为县域人口变化的主导类型。
(2) 城市群地区已经成为了中国人口集聚的主战场，大部分城市群人口持续增长。2020年，19个城市群总人口占全国总人口近90%，人口集聚度和人口密度均显著高于全国平均水平，城市群地区已经成为承载中国人口的主体区域。2010—2020年，除哈长和辽中南外，其他城市群人口均为正增长，尤其以珠三角和长三角城市群增长最为明显。
(3) 原连片特困地区人口持续减少，仅部分少数民族聚居区人口正增长。2020年，14个原连片特困地区人口占全国总人口比重为14.08%，并在2010—2020年减少了860余万人，人口集聚度和人口密度进一步下降。部分少数民族聚居地区人口增长明显，如新疆南疆三地州和西藏区，2010—2020年人口增幅超过15%。
(4) 边境地区人口基本保持稳定，但东北和北部边境地区人口下降较快。2020年，边境地区总人口不足2200万人，占全国比重不到1.6%，2010—2020年人口集聚度和人口密度略有下降，总人口保持稳定。2000—2020年，东北和北部边境地区人口分别减少了92万和22万人以上。边境地区人口下降带来的国防安全问题需要引起高度关注。

3.2 讨论

人口集疏变化是反映区域发展状态变化的重要指示器[2]，规划和政策的制定实施应以人口的增减变化情况为参考，同时辩证看待区域的人口变化，尊重区域人口发展的客观事实，引导人口向人居环境适宜、水土资源承载能力富余、区域社会经济发展较好的地区有序流动[34]。对于不同类型区，要坚持因地制宜、分类施策，进一步推动人口向城市群地区合理集聚，科学疏散脱贫地区的过剩人口，充实边境地区重点城镇和口岸的常住人口。因此，本文研究结果对新时期新型城镇化、乡村振兴和国防建设等均有一定参考价值。
受限于数据可得性和篇幅限制，本研究仍有待深化。首先，深入探讨新形势下人口集疏变化背后的作用机制。未来应该系统地收集整理中国分县的社会经济指标，开展大范围的实地调研，采用定性和定量方法全面揭示中国人口集疏变化的作用机理。其次，关注不同类型人口的变化情况及其影响因素。如关注老年人口、高技能人口和流动人口等，以便更加有针对性地提出相应的政策建议，当然这都有待于更加详细的人口普查数据的公布。最后，开展人口普查数据格网化工作。人口数据多是基于行政区的统计数据，而自然科学研究中使用的数据大多是格网化的，为了更好地将人口数据应用于自然科学研究中，有必要将最新的人口普查数据格网化，以更好地支撑人地系统综合研究工作。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
国务院发展研究中心课题组. 认识人口基本演变规律, 促进我国人口长期均衡发展[J]. 管理世界, 2022, 38(1): 1-19, 34, 20.

[Research Group of the Development Research Center of the State Council. Understand the basic laws of population evolution and promote the longterm balanced development of China's population. Journal of Management World, 2022, 38(1): 1-19, 34, 20.]

[2]
尹旭, 王婧, 李裕瑞, 等. 中国乡镇人口分布时空变化及其影响因素[J]. 地理研究, 2022, 41(5): 1245-1261.

DOI

[Yin Xu, Wang Jing, Li Yurui, et al. Spatio-temporal evolution and driving factors of Chinese population at town level. Geographical Research, 2022, 41(5): 1245-1261.]

DOI

[3]
刘涛, 彭荣熙, 卓云霞, 等. 2000—2020年中国人口分布格局演变及影响因素[J]. 地理学报, 2022, 77(2): 381-394.

DOI

[Liu Tao, Peng Rongxi, Zhuo Yunxia, et al. China's changing population distribution and influencing factors: Insights from the 2020 census data. Acta Geographica Sinica, 2022, 77(2): 381-394.]

DOI

[4]
乔晓春. 从“七普”数据看中国人口发展、变化和现状[J]. 人口与发展, 2021, 27(4): 74-88.

[Qiao Xiaochun. China's population development, changes and current situation, reference to data of the seventh population census. Population & Development, 2021, 27(4): 74-88.]

[5]
翟振武, 刘雯莉. 七普数据质量与中国人口新“变化”[J]. 人口研究, 2021, 45(3): 46-56.

[Zhai Zhenwu, Liu Wenli. Data quality of the 7th population census and new developments of China's population. Population Research, 2021, 45(3): 46-56.]

[6]
Feng Z M, Li F Z, Yang Y Z, et al. The past, present, and future of population geography in China: Progress, challenges and opportunities[J]. Journal of Geographical Sciences, 2017, 27(8): 925-942.

DOI

[7]
胡焕庸. 中国人口之分布: 附统计表与密度图[J]. 地理学报, 1935, 2(2): 33-74.

DOI

[Hu Huanyong. Distribution of population in China: Attached with statistical table and density map. Acta Geographica Sinica, 1935, 2(2): 33-74.]

DOI

[8]
陆大道, 王铮, 封志明, 等. 关于“胡焕庸线能否突破”的学术争鸣[J]. 地理研究, 2016, 35(5): 805-824.

DOI

[Lu Da-dao, Wang Zheng, Feng Zhiming, et al. Academic debates on Hu Huanyong population line. Geographical Research, 2016, 35(5): 805-824.]

DOI

[9]
张波. 2000年代以来中国省际人才的时空变动分析[J]. 人口与经济, 2019(3): 91-101.

[Zhang Bo. An analysis to spatial-temporal changes of talents in all provinces of China since 2000s. Population & Economics, 2019(3): 91-101.]

[10]
王婧, 李裕瑞. 中国县域城镇化发展格局及其影响因素: 基于2000和2010年全国人口普查分县数据[J]. 地理学报, 2016, 71(4): 621-636.

DOI

[Wang Jing, Li Yurui. Spatial pattern and influencing factors of urbanization development in China at county level: A quantitative analysis based on 2000 and 2010 census data. Acta Geographica Sinica, 2016, 71(4): 621-636.]

[11]
刘彦随, 杨忍, 林元城. 中国县域城镇化格局演化与优化路径[J]. 地理学报, 2022, 77(12): 2937-2953.

DOI

[Liu Yansui, Yang Ren, Lin Yuancheng. Pattern evolution and optimal paths of county urbanization in China. Acta Geographica Sinica, 2022, 77(12): 2937-2953.]

DOI

[12]
Chi G Q. The impacts of transport accessibility on population change across rural, suburban and urban areas: A case study of Wisconsin at sub-county levels[J]. Urban Studies, 2012, 49(12): 2711-2731.

DOI

[13]
Firmino Costa da Silva D, Elhorst J P, da Mota Silveira Neto R. Urban and rural population growth in a spatial panel of municipalities[J]. Regional Studies, 2017, 51(6): 894-908.

DOI

[14]
Wells C R, Sah P, Moghadas S M, et al. Impact of international travel and border control measures on the global spread of the novel 2019 coronavirus outbreak[J]. PNAS, 2020, 117(13): 7504-7509.

DOI PMID

[15]
Hoffmann R, Dimitrova A, Muttarak R, et al. A meta-analysis of country-level studies on environmental change and migration[J]. Nature Climate Change, 2020, 10(10): 904-912.

DOI

[16]
Li T, Xie Y. The evolution of demographic methods[J]. Social Science Research, 2022, 107: 102768. doi:10.1016/j.ssresearch.2022.102768.

DOI

[17]
Rees P H, Wilson A G. Spatial population analysis[M]. London, UK: E. Arnold, 1977.

[18]
闫东升, 孙伟, 王玥, 等. 长江三角洲人口分布演变、偏移增长及影响因素[J]. 地理科学进展, 2020, 39(12): 2068-2082.

DOI

[Yan Dongsheng, Sun Wei, Wang Yue, et al. Change in distribution and growth shifts of population in the Yangtze River Delta and influencing factors. Progress in Geography, 2020, 39(12): 2068-2082.]

DOI

[19]
刘睿文, 封志明, 杨艳昭, 等. 基于人口集聚度的中国人口集疏格局[J]. 地理科学进展, 2010, 29(10): 1171-1177.

DOI

[Liu Ruiwen, Feng Zhiming, Yang Yanzhao, et al. Research on the spatial pattern of population agglomeration and dispersion in China. Progress in Geography, 2010, 29(10): 1171-1177.]

DOI

[20]
Ashmore P, Lindahl J F, Colón-González F J, et al. Spatiotemporal and socioeconomic risk factors for dengue at the province level in Vietnam, 2013-2015: Clustering analysis and regression model[J]. Tropical Medicine and Infectious Disease, 2020, 5(2): 81. doi: 10.3390/tropicalmed5020081.

DOI

[21]
Smith R J, Lehning A J, Kim K. Aging in place in gentrifying neighborhoods: Implications for physical and mental health[J]. The Gerontologist, 2018, 58(1): 26-35.

DOI

[22]
Duong D T T, Van Minh H, Long K Q, et al. The utilization of maternal healthcare services among ethnic minority populations in Vietnam[J]. Journal of Racial and Ethnic Health Disparities, 2021, 8: 723-731.

DOI

[23]
Miller F. Exploring the consequences of climate-related displacement for just resilience in Vietnam[J]. Urban Studies, 2020, 57(7): 1570-1587.

DOI

[24]
刘盛和, 王雪芹, 戚伟. 中国城镇人口“镇化”发展的时空分异[J]. 地理研究, 2019, 38(1): 85-101.

DOI

[Liu Shenghe, Wang Xueqin, Qi Wei. Spatial-temporal difference of "townization" of urban population in China. Geographical Research, 2019, 38(1): 85-101.]

DOI

[25]
林李月, 朱宇, 柯文前. 区域协调发展背景下流动人口回流的空间意愿及其政策含义[J]. 地理研究, 2021, 40(5): 1515-1528.

DOI

[Lin Liyue, Zhu Yu, Ke Wenqian. Locational intention of return migration of migrants and its policy implications in the context of coordinated regional development. Geographical Research, 2021, 40(5): 1515-1528.]

DOI

[26]
吉宇琴, 姜会明. 新时代老龄化与养老资源适配度时空差异及其影响因素分析[J]. 地理科学, 2022, 42(5): 851-862.

DOI

[Ji Yuqin, Jiang Huiming. Spatial and temporal differences and influencing factors of the adaptation degree of aging and pension resources in the new era. Scientia Geographica Sinica, 2022, 42(5): 851-862.]

DOI

[27]
Gu H Y, Yu H C, Sachdeva M, et al. Analyzing the distribution of researchers in China: An approach using multiscale geographically weighted regression[J]. Growth and Change, 2021, 52(1): 443-459.

DOI

[28]
王若宇, 黄旭, 薛德升, 等. 2005—2015年中国高校科研人才的时空变化及影响因素分析[J]. 地理科学, 2019, 39(8): 1199-1207.

DOI

[Wang Ruoyu, Huang Xu, Xue Desheng, et al. Spatio-temporal change of facaulty members of higher education institute and its influential factors in China in 2005-2015. Scientia Geographica Sinica, 2019, 39(8):1199-1207.]

DOI

[29]
方创琳. 新发展格局下的中国城市群与都市圈建设[J]. 经济地理, 2021, 41(4): 1-7.

[Fang Chuanglin. China's urban agglomeration and metropolitan area construction under the new development pattern. Economic Geography, 2021, 41(4): 1-7.]

DOI

[30]
张耀军, 王小玺. 城市群视角下中国人口空间分布研究[J]. 人口与经济, 2020(3): 1-13.

[Zhang Yaojun, Wang Xiaoxi. A study on population spatial distribution in China from the perspective of urban agglomeration. Population & Economics, 2020(3): 1-13.]

[31]
程艺, 刘慧, 宋涛, 等. 人文地理学视域下中国边境地区研究进展与展望[J]. 地理科学进展, 2022, 41(10): 1940-1955.

DOI

[Cheng Yi, Liu Hui, Song Tao, et al. Progress and prospect of research on China's border areas from the perspective of human geography. Progress in Geography, 2022, 41(10): 1940-1955.]

[32]
Liu Y S, Li Y H. Revitalize the world's countryside[J]. Nature, 2017, 548: 275-277.

DOI

[33]
罗蓉, 何黄琪, 陈爽. 原连片特困地区共同富裕能力评价及其演变跃迁[J]. 经济地理, 2022, 42(8): 154-164.

[Luo Rong, He Huangqi, Chen Shuang. Original contiguous destitute areas' common prosperity capability evaluation and evolution transition. Economic Geography, 2022, 42(8): 154-164.]

[34]
中国人口分布适宜度研究课题组. 中国人口分布适宜度报告[M]. 北京: 科学出版社, 2014: 37-41.

[Research Group of China Population Distribution Suitability. Report on suitability evaluation of population distribution in China. Beijing, China: Science Press, 2014: 37-41.]

[35]
方创琳. 中国城市群地图集[M]. 北京: 科学出版社, 2020.

[Fang Chuanglin. Atlas of Chinese urban agglomerations. Beijing, China: Science Press, 2020.]

[36]
戚伟, 刘盛和, 赵美风. “胡焕庸线”的稳定性及其两侧人口集疏模式差异[J]. 地理学报, 2015, 70(4): 551-566.

DOI

[Qi Wei, Liu Shenghe, Zhao Meifeng. Study on the stability of Hu Line and different spatial patterns of population growth on its both sides. Acta Geographica Sinica, 2015, 70(4): 551-566.]

DOI

Options
Outlines

/

〈 〉