·环境科学·

中国西南山地流域人口空间分布影响因素探究
——以贵州乌江流域为例

程东亚，李旭东

(贵州师范大学 地理与环境科学学院, 贵州 贵阳 550025)

摘要： 人口空间分布影响因素是人口科学重要的研究内容,探究人口空间影响因素有利于指导人口政策合理制定。文章选取贵州乌江流域人口、经济、自然环境等相关指标,采用地理加权回归等方法探究流域人口空间分布影响因素。得出以下结论:①贵州乌江流域面积、经济、地形(海拔)、教育对人口空间分布呈现促进作用,产业(第一产业占比)、财政对人口空间分布呈现抑制作用。②贵州乌江流域人口空间分布正影响回归系数中:面积影响呈现赫章—贵定递减,地形(海拔)影响呈现西南—东北递增,经济影响呈现西南—东北递减,教育影响呈现福泉—赫章递减。③贵州乌江流域人口空间分布负影响回归系数中:产业影响呈现西南—东北递减,财政影响呈现福泉—赫章递增。

关 键 词： 人口分布;影响因素;地理加权回归;贵州乌江流域;西南山地流域

人口分布是一定时期历史、经济、自然等条件共同作用的结果,其研究是当今学术研究的热点和重要领域^[1-5]。探究人口空间分布影响因素,是寻找和制定人口政策的重要手段。在人口分布影响因素中,最重要是社会经济因素影响,自然因素基础作用也不可忽视。谷国锋等学者研究东北人口空间特征中认为,该区域人口分布主要受自然、经济和历史等因素影响^[6]。张红等研究荆州分洪区人口变化中认为:土地利用特别是城镇和农村居民点变化是引起区域人口分布的重要因素^[7]。赵东霞等研究中国老年人口稀疏格局中发现,自然、经济、城市化等是人口格局形成的关键因素^[8]。茆长宝等对浙江省人口分布机制研究中发现,该区域人口分布受“经济-政府-交通”等多重效应影响,经济因素影响并不一致的保持稳定特征^[9]。康维娜研究人口迁移中认为,社会经济因素对人口迁移起到重要作用,其中非农收入比与道路连接度对个人迁移决策发挥着极为重要作用^[10]。曾永明对川西地区人口迁移研究中认为,在(川西)复杂地形区人口分布较为复杂,传统OLS模型在人口密度影响总体上高估自然环境因子影响,低估经济社会因子^[11]。以上文献可以发现,人口分布影响研究已有一定基础。但在影响人口分布的各种要素在空间上是如何变化,变化规律又是如何等研究文献相对较少。由于空间回归数据限制,探究人口空间变化特征和规律,不易进行空间统一尺度测算和因素分析,人口空间影响探究需进一步加强。同时,由于各区域资源禀赋、经济水平、地理环境差异,各种人口要素影响程度不可能完全一致,区域间存在微小差异。因此,探究各种影响因素空间差异和空间影响过程对人口分布研究具有重要意义。

中国西南地区地理环境十分复杂,该区域开展人口分布研究意义独特。首先,中国西南山地众多,山区小范围内产生巨大的自然地理环境差异,对人口分布影响明显。其次,中国西南地区经济欠发达且区域经济差异明显,研究该区域人口分布可以很好反映经济要素对人口影响。最后,在中国西南农村人口较多、基础设施尚需完善,该区域可以很好反映地理环境与社会环境影响下人口空间分布状况。因此,结合以上特点,选择自然地理环境复杂(喀斯特分布广泛、海拔落差大)、社会经济差异明显(既有区域中心城市又有国家级贫困县区)的贵州乌江流域,探究影响人口空间分布因素及不同要素空间影响趋势,以期研究成果能为人口政策制定、山区发展提供科学参考,并为山地资源环境研究提供有益借鉴。

1 数据与方法

1.1 数据来源

文中人口、面积、社会经济数据等来源于《贵州统计年鉴2016年》^[12]、《中国县域统计年鉴(县市卷)2016年》^[13]和《贵阳统计年鉴2016》^[14]。人口均是2015年年末常住人口数据,人均GDP等人均社会经济指标均采用常住人口求取计算。部分县区面积通过政府官方网站及ArcGIS软件矢量文件计算得出，所选择县区未包括部分流域流经范围较少县区。DEM数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn/),其分辨率为 90m。各县区海拔利用ArcGIS分区统计求取，采用平均值计算。

电话响了，是刘建平告诉罗云他不回来吃晚饭了，罗云放下听筒露出失望的神情，她愣了一下神，就开始张罗弟弟妹妹吃饭。

1.2 研究方法

地理加权回归(geographically weighted regression,GWR)模型是对传统回归模型的改进和扩展,对于传统统计分析来说,忽视空间之间差异性和相互依赖^[15-17]。地理加权回归其扩展方式是在传统线性模型的基础上改进,将区域地理位置信息加入到回归参数之中,能够反映地理现象空间变化趋势以及异质性^[15-18]。其函数表达式为^[17-18]

包括宏观经济因素和微观经济因素。宏观经济因素主要指人口、国民收入等，而微观经济因素主要指企业所在地的居民收入水平和消费偏好及就业程度等。我国涉农企业发展环境中经济方面的因素主要有利率变动、税率、贷款的难易程度等。人民币利率的变动，极大地影响着涉农企业的发展。利率升高，在吸引居民增加储蓄的同时，间接增加了居民的利息收入，增加了消费需求和投资需求，促进了涉农企业的发展。

(1)

综上所述，对肺心病合并呼衰患者采取序贯通气治疗具有明显效果，能减少并发症出现，促进其健康恢复，值得采用。

根据函数表达式(1)可构建贵州乌江流域人口分布影响因素的函数关系式。参考以往研究,文章用自然因素和社会经济因素探究人口分布空间影响。基础自然要素影响包括国土面积(a )和地形(b ),地形影响用海拔来表征。社会经济要素主要从经济(c )、产业(d )、财政(e )和教育(f )来探究,分别用人均GDP、第一产业占比、人均财政支出、万人拥有中学数量表征,医疗对人口分布产生重要影响,由于数据缺失,暂不纳入研究范围。文章构建地理加权回归表达式^[17-18]为

1.3.3 壳聚糖微球溶胀实验 将所得壳聚糖微球分别置于pH2.0盐酸溶液和pH7.0磷酸缓冲溶液中，每隔30 min测量微球的质量及粒径大小.

(2)

由于回归系数是空间结果,则b _i 值在空间中存在一定趋势,该趋势可以表示为各种要素空间影响程度。若回归系数b 大于0,则表示正影响,系数越大说明实际影响程度越高。如回归系数b 小于0,则表示为负影响,系数越小说明实际影响程度越高。

2 人口、自然、社会经济基本特征分析

2.1 人口基本特征

半变异函数是一种空间异质性分析方法^[19],文章采用ArcGIS地统计分析工具直接得出半变异函数和协方差图(见图2),简单描述人口空间分布的异质性。从半变异函数来看,随着距离增加,流域人口逐渐分散,该分散趋势并不明显,由此说明流域人口空间集聚特征不明显,即空间异质性不明显。协方差云显示,流域人口分布具有一定趋势,但该趋势在空间表现不明显,与半变异函数趋势基本一致。综上看,流域人口分布空间异质性不明显,空间集聚程度较低。

图1 2015年贵州乌江流域各县区人口数量
Fig.1 Population of the Wujiang River Basin of Guizhou Province

2015年贵州境内乌江流域(以下简称流域)人口最多为七星关114.93万人,人口最少为龙里县16.04万人,县区平均人口数量49.08万人,平均人口密度为267.69人/km²。流域内人口数量来看(见图1),云岩、南明、遵义县、七星关等县区人口数量高,均在60万人以上。龙里、乌当、息烽等县区人口数量低,均在25万人左右。流域上游人口分布多,如织金、纳雍等县区。贵阳市周边形成了一个特殊人口分布区,贵阳市辖区人口相对较高,周边郊区郊县人口相对较少。流域东部和河流中下游人口分布均衡且稀少,多县区人口在30万人左右。值得注意的是,虽云岩、南明国土面积较小,但人口多在50万以上，人口密度处于流域较高水平。

2.2 自然和社会因素特征

流域县区国土面积差异较大(表1),2015年国土面积最高为遵义县4 094km²,国土面积最小为云岩区92km²,县区平均国土面积1 833.60km²。流域内人均GDP差异较大,花溪区人均GDP最高7.71万元,人均GDP最低务川1.59万元,两者差超5万元。在产业结构上,流域内云岩第一产业占比最低,不足0.1%。流域第一产业结构占比最高为道真37.52%。流域内第一产业占比平均值18.37%,流域第一产业比例过高。人均财政支出指标层面,各县区差异明显,人均财政支出最高1.88万元,最低0.43万元,平均财政支出0.81万元。万人拥有中学数量最高为正安0.99所,最低为普定0.38所,县区平均值0.72所。县区平均海拔分布上,海拔最高赫章2.00km,最低思南0.71km,流域平均海拔1.20km。从以上可以看出,流域内自然条件和社会经济条件差异明显,探究各要素影响十分必要。

图2 人口半变异函数和协方差云
Fig.2 Semivariogram and covariance cloud of population

表1 指标描述性统计
Tab.1 Descriptive statistics of index

各要素空间趋势(见图3)看,流域面积东西方向呈现西南、东北高,中部低,南北方向呈现北高南低。海拔(地形)空间分布特征上,大致呈现西高东低,南高北低。经济东西方向呈现中高东、西低,南北方向上呈现南高北低。第一产业结构(产业)空间分布特征:东西方向呈现中部低两侧高,南北方向呈现北高南低。人均财政支出(财政)在空间上趋势不如其他要素明显,总体呈南高北低特征。万人拥有中学数量(教育)空间趋势明显差异,东西方向呈中低两侧高,南北方向呈南低北高。总体看,流域自然和社会经济要素差异明显,具有一定空间趋势,适合探究地理环境对人口分布影响。

2.3 相关性分析

相关系数结果(见表2)来看,人口与面积呈现显著正相关,相关系数为0.308,显著性0.047。即面积越大,县区人口越多,一定程度说明国土面积是承载人口的基础。人口与地形呈现显著正相关,相关系数为0.382,显著性0.012。人口与经济呈正向关联,但不显著。产业选取第一产业,产业与人口呈不显著负相关。财政与人口呈显著负相关,相关性-0.551,显著性0.000。财政与人口负相关,表明流域财政投入无法有效吸引人口增长,经济发展相对滞后。教育与人口呈不显著正相关,经济和面积呈负相关,国土面积较大则人均GDP可能越低。第一产业与经济呈现显著负相关,说明经济发展过程中第一产业结构降低,第一产业变化是反映经济发展的重要指标。

图3 各要素空间趋势图
Fig.3 Space trend chart of influence factors

3 地理加权回归分析

3.1 参数检验

Bandwidth是地理加权回归重要参数,该带宽采用ArcGIS默认值计算最优结果。地理加权回归残差Residual Squares和Effective Number分别为8 950.78，7.01(见表3)。地理加权回归Sigma和AICc分别为15.99，364.77。地理加权回归拟合值R ²为0.63,调整后R ²(R ²Adjusted)为0.57。标准残差结果显示(见图4),大于2.5标准残差县区较少,无小于-2.5标准残差。由于研究中指标多且差异明显,根据以上参数,认为模型整体上尚可满足研究需要。

3.2 模型检验

地理加权回归模拟结果(见图5)来看,模型整体模拟效果尚可。大部分县区人口模拟百分误差小于30%,仅有少部分县区人口百分误差大于30%。42个县区中,模拟误差最大为龙里和贵定,其百分误差为93.58%，95.53%,两县区模拟结果严重偏离。百分误差大于50%县区,仅有修文、息烽、龙里、贵定、福泉等,占比不足15%,因此研究认为此模拟结果基本可靠。

其中表达式中y 为某个区域的人口数量,k 为进行地理加权回归的样本数量,(u _i ,v _i )为某个区域地理坐标中心(县区面状数据利用ArcGIS默认方式求取),b ₀为常数,b _i 为自变量回归系数,x _ij 为自变量,ε _i 为随机误差值。

3.3 结果描述性统计

地形对人口影响(见图6)呈现出西南—东北方向逐渐递增趋势。海拔对流域东北部人口影响更加强烈,主要为道真、思南、沿河等县区。流域东北部地广人稀是导致该特征的重要原因。流域西南部,赫章、纳雍、水城等县区海拔高,地形(海拔)对人口影响不如东北部强烈。中部地带属于过渡地区,地形(海拔)对人口影响处于中等水平。

表2 相关系数表
Tab.2 Correlation coefficient table

* 在置信度为 0.05 时,相关性是显著的。** 在置信度为 0.01 时,相关性是显著的。

表3 地理加权回归模型参数
Tab.3 Geographically weighted regression model parameters

图4 地理加权回归标准残差图
Fig.4 Geographically weighted regression standard residual plot

图5 地理加权回归人口模拟误差
Fig.5 Geographically weighted regression population simulation error

表4 结果描述性统计
Tab.4 Descriptive statistics of results

注:自变量均为人口

4 影响因素空间特征分析

4.1 自然影响因素空间特征分析

论山谷书法者多矣，如：长枪大戟、大开大合，聚散收放，纵横跌宕，沉着痛快，绵劲迟涩，用笔紧峭，瘦劲奇崛，如龙蛇飞舞，超俗绝尘。如此等等。然山谷一生两遭贬斥，历经坎坷，其于书法，从“取法”到“取意”，前后殊有不同。何谓“意”？胸中之块垒也。山谷书之意，由此而生，意象由笔墨生发，而入化境，遂自成一家之法。

产业对人口影响回归系数(见图7)呈现出西南部高、东北部低特征。西南部县区产业对人口影响在南部更为强烈,尤其是普定、西秀等周边。东北地区产业对人口分布影响相对偏低,这些县区比较集中。东北部县区产业对人口影响较小,主要原因是该区域人口数量较少,地理环境复杂,农业从业人口多。产业在西北部地区影响系数更大,主要原因在于该区域人口较多,高原地区较为平坦,有利于高原农业生产,从而影响人口分布。

图6 自然影响因素回归系数
Fig.6 Natural influence factors regression coefficients

文章选取6个要素与人口进行地理回归,结果显示面积、地形、经济、教育表现为正回归系数(见表4)。即随着这些要素增长,人口呈现增加趋势,但产业和财政对人口呈现负回归系数。正回归系数中,面积平均回归系数0.01462550,地形平均回归系数10.43304961,经济平均回归系数1.94149164,教育平均回归系数36.68422540。正回归系数中,地形和教育极差相对较大,分别为0.00878678，0.03107470。负回归系数中,产业平均回归系数-1.24441078,财政平均回归系数-48.85301830,两者极差分别为0.00080159，0.03559985。

4.2 社会影响因素空间特征分析

经济对人口影响回归系数(见图7)呈现西南—东北方向逐渐降低特征。流域上游西南部县区赫章、水城、六枝等县区属于经济对人口影响高值区,印江、沿河、道真等县区属于经济对人口影响低值区。贵阳周边属于经济次高值区,经济对人口影响处中等水平。在贵阳周边可能是模型问题,该区域经济对人口影响可能被低估。毕节市等周边地区经济欠发达,对人口影响较为突出。

面积对人口影响大致呈现赫章—贵定沿线递减。对于流域县区来说,西北部县区面积越大,人口相对越多。图6中可以发现,西北部(赫章、七星关等)县区人口数量相对较多,这些县区国土面积较大,空间影响程度更大。从赫章—贵定、道真—龙里(花溪),这两条西北—东南、东北—西南方向回归系数呈现越来越小特点。整体来看,西北部地区影响更强烈,东北部影响次之,东南(贵定—印江)沿线属面积影响低值区。

2013年12月，教育部、发展改革委、财政部联合印发《关于全面改善贫困地区义务教育薄弱学校基本办学条件的意见》，并做出具体部署。2014年3月14日，召开全面改善贫困地区义务教育薄弱学校基本办学条件全国电视电话会议，深入实施教育规划纲要，部署落实全面改善贫困地区义务教育薄弱学校基本办学条件工作。会议指出，发展贫困地区义务教育，功在当代，惠及子孙，要从全面改善基本办学条件入手，覆盖贫困地区、聚焦薄弱学校，按照“缺什么补什么”的原则，力争经过三至五年，使贫困地区薄弱学校办学条件达到基本标准、满足基本需求，为贫困地区学生创造良好的学习生活环境。

财政对人口影响系数(见图7)在西北较高,最高区域为七星关和赫章,最低主要集中东南县区。财政表现为负回归系数,这种回归系数变化特征从毕节向周边扩散趋势。主要原因是毕节等地区人口相对较多,经济欠发达。财政支出对人口影响较低区域主要集中在东南部,东南部地区较低大致呈现印江—花溪延伸特征。

教育对人口分布影响(见图7)从东南—西北逐渐降低特征。研究选取教育对人口影响指标是基于中学数量,这可能存在一定偏差。教育对人口影响向贵阳周边偏移,主要原因在于贵阳周边经济相对发达。西北部地区人口较多,但是人均中学学校数量也较多,故该区域表现为教育对人口总体影响小于其他区域。

图7 社会因素回归系数
Fig.7 Social factors regression coefficients

5 结论与讨论

5.1 结 论

贵州乌江流域面积、经济、地形(海拔)、教育对人口空间分布呈现促进作用,产业(第一产业占比)、财政对人口空间分布呈现抑制作用。地理加权回归结果显示,选取的6个指标中,区域面积、经济、地形和教育空间回归系数均为正向,即随着这些要素的提升,人口空间呈现增长趋势。产业和财政回归系数均为负向回归系数,即随着产业和财政支出增长,人口空间趋于下降。

贵州乌江流域人口空间分布正影响回归系数中:面积影响呈现赫章—贵定递减,地形(海拔)影响呈现西南—东北递增,经济影响呈现西南—东北递减,教育影响呈现福泉—赫章递减。正影响因素中,区域面积对人口影响为正影响,影响系数最高位于赫章、七星关等地,影响系数最低位于贵定、福泉等地。地形对人口的影响系数东北道真、务川等最高,西南六枝、水城等县区系数最低。经济对人口空间影响系数沿河、印江等地最低,赫章、水城等地最高。教育对人口影响空间回归系数在福泉—石阡沿线系数最高,赫章—七星关属于最低系数区。

贵州乌江流域人口空间分布负影响回归系数中:产业影响呈现西南—东北递减,财政影响呈现福泉—赫章递增。文章选取的6个要素中,仅产业和财政对人口空间分布负系数。产业对人口影响回归系数在道真、印江等最低,西南部赫章、水城等县区最高。财政影响中,印江、贵定等属于西南部较低负回归系数,西北部赫章属于最高水平。值得注意的是,正回归系数和负回归系数意义不同。当负回归系数越小,则说明实际负影响程度越高。

5.2 讨 论

人口分布与地理环境有密切关系,山区人口分布不同于平原,喀斯特广泛分布的乌江流域人口分布更不同于普通山区。文章基于自然地理环境和社会经济环境对流域人口分布进行探究,各种要素空间趋势均具有明显差异。自然因素文章选取自然要素即国土面积和地形。一般情况下,国土面积越大所能承载人口越多。流域国土面积对人口影响呈现西北高和东北次之的特征,这与国土面积大小表现不一致。例如流域西北和东北国土面积都相对较大,但西北人口更多,东北人口却更少。地形对人口影响在空间上呈现东北—西南递减特征,东北部影响更大,更可能是地形起伏度大导致,西南部毕节高原地区却呈现较为平坦特征,这种地形影响可能更小。同时,流域东北部下游地区地理环境复杂,不利于人口分布,但可能影响产业结构,特别是第一产业结构。社会经济要素对人口影响在空间上不一致,经济对人口影响呈现西南高、东北低特征,为何在西南部影响更高,原因尚不明确。文章认为西南部县区人口相对较多,经济欠发达,人口容易产生外流现象,经济因素影响更加强烈。第一产业对人口影响回归系数在空间上也呈现西南高、东北低特征。一般来说,第一产业较高地区,经济欠发达,技术欠发达,导致农村人口较多,也影响人口空间布局。人均财政支出和人均GDP属于经济因素影响,但影响程度和影响方式具有差异,财政影响系数呈现西北—东南递减。由于财政为负回归系数,东南部值较小,实际说明负影响程度越高,出现该特征的原因不得而知。教育对人口影响在空间上呈现东南—西北下降特征,这种影响主要是东南部万人中学数量相对较少所产生,该特征可能是贵阳影响,贵阳高等教育相对较好,但万人拥有中学数量并不占优势。

文章基于地理加权回归模型,探究西南山地流域人口空间分布影响因素。文章结果可为山区资源开发和人口政策制定提供一定参考。文章选取的地形因子中,以海拔来表征。虽然海拔作为最重要的地形因子之一,可在一定程度反映地形对人口影响。但影响人口的地形因子相对较多,仅选择海拔可能略显不足。医疗资源对人口具有影响,由于文章数据缺失,未将医疗纳入到影响因素中。医疗对人口影响在地形复杂的山地流域,影响程度和趋势如何仍然不清楚。因此,文章有以下方面需要今后进一步延伸探究:①自然因素中,纳入到坡度、起伏度等地形因子,探究不同地形因子的空间影响程度和空间趋势。②探究医疗条件对人口的空间影响程度,以及纳入医疗指标后是否影响其他指标空间趋势。

1.7 枢纽基因验证 使用测试集GSE73731数据对各枢纽基因进行线性回归分析验证其表达量与肾透明细胞癌进展关系。另外绘制各备选枢纽基因ROC曲线并计算AUC，当AUC>0.7时，该枢纽基因被认为对于区分低级别(grade Ⅰ、Ⅱ)及高级别(grade Ⅲ、Ⅳ)肾透明细胞癌有较高的灵敏度及特异度。进一步利用GEPIA 数据库[12](http://GEPIA.cancer-pku.cn/)对枢纽基因与肾透明细胞癌病理分期及预后相关性进行验证。

参考文献：

[1] 杨强,李丽,王运动,等.1935—2010年中国人口分布空间格局及其演变特征[J].地理研究,2016,35(8):1547-1560.

[2] 孟延春,汤苍松.改革开放以来北京市人口空间分布的变动特征——基于1982—2010年四次人口普查资料的分析[J].中国人口·资源与环境,2015,25(3):135-142.

[3] 封志明,杨艳昭,游珍.中国人口分布的水资源限制性与限制度研究[J].自然资源学报,2014,29(10):1637-1648.

[4] 杨成凤,韩会然,李伟,等.四川省人口分布的时空演化特征研究[J].经济地理,2014,34(7):12-19.

[5] 封志明,杨艳昭,游珍,等.基于分县尺度的中国人口分布适宜度研究[J].地理学报,2014,69(6):723-737.

[6] 谷国锋,贾占华.东北地区人口分布演变特征及形成机制研究[J].人口与发展,2015,21(6):38-46+94.

[7] 张红,杨小唤,王新生,等.荆江分洪区人口分布变化及其驱动机制分析[J].地球信息科学,2007(2):24-30.

[8] 赵东霞,韩增林,王利.中国老年人口分布的集疏格局及其形成机制[J].地理学报,2017,72(10):1762-1775.

[9] 茆长宝,穆光宗.流动人口分布演变机制与城镇化——以浙江省为例[J].人口学刊,2016,38(4):25-35.

[10] 康维娜.县域人口迁移的时空格局特征及其动力机制[D].重庆:重庆师范大学,2016.

[11] 曾永明.高原高山区人口分布特征及影响机制研究——基于空间计量经济学视角[J].南方人口,2014,29(3):1-9.

[12] 贵州省统计局,国家统计局贵州调查总队.贵州统计年鉴2016[M].北京:中国统计出版社,2016:507-539.

[13] 国家统计局农村社会经济调查司.中国县域统计年鉴(县市卷)2016[M].北京:中国统计出版社,2016:304-320.

[14] 贵阳市统计局,国家统计局贵阳调查队.贵阳统计年鉴2016[M].北京:中国统计出版社,2016:4-6.

[15] 李晶晶,闫庆武,胡苗苗.基于地理加权回归模型的能源“金三角”地区植被时空演变及主导因素分析[J].生态与农村环境学报,2018,34(8):700-708.

[16] 赵真,徐柱,侯剑.地理加权回归在人口空间分布研究中的应用[J].遥感信息,2018,33(4):128-134.

[17] MCMILLEN D P. Geographically weighted regression: the analysis of spatially varying relationships [J].American Journal of Agricultural Economics, 2004, 86(2):554-556.

[18] 庞瑞秋,腾飞,魏冶.基于地理加权回归的吉林省人口城镇化动力机制分析[J].地理科学,2014,34(10):1210-1217.

[19] 陶于祥,许凯丰,易宗旺,等.基于半变异函数的城市热岛空间异质性分析[J].西南大学学报(自然科学版),2018,40(10):145-152.

Influence factors of population spatial distribution in Mountainous Basin of Southwest China :A case study of the Wujiang River Basin of Guizhou Province

CHENG Dongya, LI Xudong

(School of Geography and Environmental Sciences, Guizhou Normal University, Guiyang 550025， China)

Abstract : The influence factors of population spatial distribution are important research contents of population science. Exploring the spatial influence factors of population is conducive to guiding the rational formulation of population policies. The paper selects the relevant indicators of population, economy and natural environment in Wujiang River Basin of Guizhou Province, and uses geographically weighted regression to explore the influence factors of population spatial distribution in the basin. The article draws the following conclusions: ①Area, economy, topography (altitude), education promoted the spatial distribution of populationin in Wujiang River Basin of Guizhou Province.Industry (the ratio of the primary industry) and public financial situation have a restraining effect on the spatial distribution of population. ②Among the positive regression coefficients of population spatial distribution in Wujiang River Basin of Guizhou Province:The area impact shows a decreasing trend from Hezhang to Guiding; The topographic (altitude) impact shows an increasing trend from southwest to northeast; The economic impact shows a decreasing trend from southwest to northeast; The education impact shows a decreasing trend from Fuquan to Hezhang.③Among the negative factors positive regression coefficients of population spatial distribution in Wujiang River Basin of Guizhou Province: The industrial impact shows a decreasing trend from southwest to northeast, and financial impact shows an increasing trend from Fuquan to Hezhang.

Key words :population;influence factors; geographically weighted regression; the Wujiang River Basin of Guizhou Province; Southwest Mountain Basin

收稿日期： 2018-12-05

基金项目： 国家自然科学基金资助项目(41261039)；美国能源基金资助项目(G-1601-24189)；中国清洁发展机制基金资助项目(2014015)

作者简介： 程东亚，男，安徽亳州人，从事资源利用与低碳发展研究。

通讯作者： 李旭东，男，湖南邵东人，教授，主要从事人口地理与区域发展、应对气候变化与低碳经济研究。

中图分类号： K901.3

DOI ：10.16152/j.cnki.xdxbzr.2019-05-016

开放科学(资源服务)标识码(OSID)：

(编 辑 亢小玉)

标签：人口分布论文;  影响因素论文;  地理加权回归论文;  贵州乌江流域论文;  西南山地流域论文;  贵州师范大学地理与环境科学学院论文;