土地资源对珠三角地区人口增长的约束分析

刘志佳，黄河清

土地资源对珠三角地区人口增长的约束分析

刘志佳1,2，黄河清1

1. 中国科学院地理科学与资源研究所，北京 100101；2. 中国科学院大学，北京 100049

改革开放以来，随着经济高速发展，大量外来人口涌入珠三角地区。1979─2012年间，珠三角地区的常住人口从1797.42万人增至5681.70万人。大规模的人口增长使得珠三角地区的资源供给压力增大，特别是土地资源。2010年珠三角地区已开发的建设用地面积为8867 km2，其中深圳、东莞等城市的建设用地规模已经接近其土地资源的适宜开发上限，土地资源对人口增长的约束作用也日趋显著。为了评判珠三角地区土地资源压力对人口增长的影响，利用Malthus模型和Logistic模型分别对该地区9个城市的人口变化进行拟合，结果表明，2组模型对2000年前各城市的人口变化均有较高的拟合精度且拟合结果与实际情况较为相近，主要是由于该地区早期发展阶段的资源压力对人口增长的约束作用较小。2000年以后不同城市的Logistic模型与Malthus模型对人口变化预测呈现出不同的趋势，主要与各城市的土地资源压力密切相关。根据2组模型模拟结果的差异和土地资源的压力，将9个城市分为3组。其中深圳、东莞为第一组，这2个城市的人口增速最快、土地资源压力最大，相应的Malthus模型的估计值分别在2003年、2005年超过了实际人口，且其后估计值与实际值的差距逐渐增大。依据Malthus模型2020年深圳、东莞的人口预测值分别为6469.58万人、2386.81万人，这大大超过了这2个城市的资源环境承载极限。这一结果说明在深圳、东莞的人口高速增长已经不可持续，Malthus模型已不能反映其未来人口的变化趋势。第二组包括广州、佛山、珠海和中山4个城市。这组城市的人口增速相对缓慢，Malthus模型的估计值与实际人口较为接近，但2010年以来这4个城市人口的增长呈放缓趋势，Malthus模型估计值逐渐偏大。第三组城市包括人口增速最慢的江门、惠州和肇庆3个城市。这组城市的人口规模远未达到其资源环境承载极限，资源环境压力对人口增长的影响仍不显著，其人口增长相对稳定，因而其Malthus模型与Logistic模型的预测值在2020年前都没有明显的差异。总之，对前2组城市来说，土地资源等因素已经对其人口增长产生了较为明显的约束，因而Logistic模型更适合于预测其未来人口变化趋势，但对于第三组城市，Malthus模型仍然是一种有效的模拟预测手段。

珠三角；人口；土地资源；Logistic模型；Malthus模型

改革开放以来，随着经济的快速发展，大量外来人口涌入珠三角地区，其人口规模迅速扩张。1979─2012年间，珠三角地区的常住人口从1797.42万人增至5681.70万人，30余年间人口增长了2倍。大规模的人口增长为经济持续快速增长提供了充足的劳动力，同时也使珠三角地区面临的资源供给压力增大，环境问题也日益突出（朱照宇等，2002；黄小黎，2003；吴荣生和管东生，2006；刘佳宁和赵细康，2007）。

在此背景下，资源环境因素对珠三角地区人口增长影响的相关研究逐渐增多。其中，周纯对珠三角地区各城市的土地资源承载力进行了计算，发现以国际标准（人均土地需求140～200 m2）珠三角地区可容纳5680万人，但与2001年人口相比深圳已经超载，广州、东莞则处于临界状态（周纯等，2003）。在综合考虑资源、生态、经济、空间等因素的约束下，深圳市2010─2020年的适度人口规模为1000～1300万人（王爱民和尹向东，2006；陈图深等，2008）。对于广州，周兆钿、龙志和等认为2005年左右广州的人口已经接近或超过其适度人口规模（周兆钿和郭艳华，2007；龙志和等，2010）。钟世坚分析了考虑澳门供水和水资源的季节变化条件下的珠海水资源供给，发现当人均用水量为小康型、富裕型时，其水资源承载力仅为143.42万人和114.74万人，水资源也已成为人口增长的瓶颈（钟世坚，2013）。

上述研究对珠三角地区人口与资源环境的关系进行了详细的分析和探讨，但这些研究侧重于对

区域或城市的人口承载上限或适度人口规模的分析，对于资源约束下的人口变化过程或路径探讨较少。本文将尝试通过模型对比分析资源环境因素，特别是土地资源瓶颈，对珠三角地区不同城市的人口增长的影响。

1 珠三角地区的人口变化

本文中的珠三角地区包括广州、深圳、珠海、东莞、佛山、中山、江门、惠州、肇庆等9个地级市，总面积约5.49×104km2。

珠三角地区人口的增长主要来源于人口的迁入，其中多数外来人口都没有取得当地户籍，因此本文中采用常住人口作为反映人口变化的指标。本文中的常住人口数据搜集于各市的统计年鉴及广东省统计年鉴。考虑到1990年以前流动人口规模较小，部分1990年以前缺失的常住人口统计数据由户籍人口数据来代替（图1）。据统计，1979─2012年间，珠三角地区的常住人口年增长率3.55%，其中增速最快的深圳、东莞年增长率更是分别高达11.24%、6.25%。

图1 珠三角地区的常住人口变化Fig. 1 The Residential population changes in PRD

从增速来看珠三角地区的人口增长有明显的阶段性（表1）。改革开放以后，珠三角地区经济增长开始加速，对劳动力的需求不仅吸纳了本地农村的剩余劳动力，还开始吸引外来劳动力涌入珠三角地区。但在1990年以前，珠三角地区的总体经济规模较小，因而常住人口增幅较小，但人口呈加速增长的趋势（周大鸣，1992）。进入20世纪90年代后，特别是1992年以后，改革开放和市场化进程骤然加快，珠三角地区迅速发展的制造业对劳动力的需求大增，吸引大量的劳动力来珠三角地区就业，形成“民工潮”（杨宏山，1995；王燕，1997；李玲，2001）。1990─2000年间，珠三角地区的常住人口增幅超过1920万，其中深圳和东莞作为常住人口增长最快的城市，其常住人口各自增长了530万和469万。进入21世纪以后，由于工资增长缓慢、劳动者权益缺少保障、农产品价格上升、长三角地区对农民工的分流等因素使得珠三角地区的外来人口增速放缓，珠三角地区的“民工荒”开始出现（李传志，2005；李超海和唐斌，2006）。直到2005年以后，随着工资水平和就业环境的改善，珠三角地区常住人口又恢复了增长，但增幅仍明显小于20世纪90年代。

在珠三角内部，不同城市之间的常住人口变化特征也有显著的差别（表1）。其中，深圳、东莞人口增速最快，其增速波动幅度也最大：1990s间年均增速均超过10%，但2000s间下降至4%以下；广州、珠海、佛山、中山等城市人口增速波动特征与深圳、东莞相似，但其1990s年均增速显著低于深圳、东莞，同时增速变化幅度也更小；江门、惠州、肇庆的人口增速是珠三角最低的，但与上述城市不同的是，2000年以后其人口增速并没有出现明显的下降，惠州、肇庆甚至呈现出加速增长的趋势。

表1 珠三角地区常住人口增速变化Table 1 The changes of population growth rate in PRD

2 土地资源对人口增长的约束

土地资源是人类赖以生存的劳动对象和劳动资料，为人类的居住、交通、休闲等活动提供必要的空间。伴随着人口的快速增长，珠三角地区的建设用地迅速扩张。根据《广东省土地利用总体规划》中的数据，1996年时珠三角地区的建设用地规模为5245 km2，2005年迅速扩张至8264 km2，至2010年扩张8867 km2。

在大规模的建设用地扩张后，珠三角地区的土地资源开发已逼近其极限。以坡度小于10%且海拔低于100 m的区域作为相对容易开发的区域，扣除难以开发的水域和限制开发的基本农田，得到各市的适宜开发面积（表2）。从整体来看，珠三角地区仍有较多的适宜开发区域尚未开发，但其中半数以上集中在江门、惠州、肇庆等3个外围城市。在珠

三角地区的核心区域中，剩余的适宜开发面积已较为有限，且深圳、东莞、珠海、中山等城市已开发面积已经接近其适宜开发面积。在土地资源日趋紧张的情况下，珠三角地区收紧了新增建设用地的土地供应，其中深圳、珠海2010─2020年间每年的新增建设用地指标甚至不足5 km2。

表2 珠三角地区的土地资源开发情况及人口密度Table 2 The Development of land resource and population density in PRD

在新增建设用地不足的情况下，珠三角地区的人口密度也逐渐趋于饱和。根据国际相关研究，满足城市生活中交通、居住等需求的最低人均土地需求为140～200 m2（周纯等，2003），即人口密度为5000～7140人·km-2。从整体上来看，2010年珠三角地区已开发区域平均人口密度为6334人·km-2，但人口空间分布并不均衡。其中深圳、广州、东莞等核心城市人口密度均超过了7500人·km-2，深圳更是高达11153人·km-2。同时这些人口密集的城市同时也是土地资源最为紧张的城市，这也进一步加剧了这些城市的土地资源压力。

综合来看，珠三角内部不同城市之间的土地资源压力有明显的区别。其中，深圳的土地资源存量最低、人口密度最高，因而其土地资源压力最大；东莞的人口密度虽略低于广州，但其土地资源存量明显小于广州，因而其土地资源压力大于广州。在土地资源的压力下，深圳、东莞的人口增速下降也是9个城市中最为明显的。此外，佛山、中山、珠海等城市也面临着一定的土地资源压力，这3个城市与广州的人口增速都不同程度的受到土地资源的约束而呈现出下降趋势；在珠三角地区，只有江门、惠州、肇庆有较多的土地资源尚未开发，人口密度也较低，人口增长还未明显受到土地资源的限制。

与水资源、能源、粮食等约束因素不同，土地资源压力无法通过运输等途径来缓解，因而当人口接近土地资源承载上限时，人口增长受到的约束更为明显。此外，土地资源的压力也加速了珠三角地区的产业结构升级与转型（马建会，2006），从而降低了珠三角地区对劳动力的需求，从需求上放缓了人口增长的趋势。总的来说，对深圳、东莞、广州等6个城市而言，土地资源的压力已经对其人口增长产生较为明显的约束，其人口增速已经呈现出不同程度的下降。

3 土地资源约束下的人口变化

3.1理论与方法

为了分析土地资源压力对人口增长的影响，分别应用Malthus模型与Logistic模型来对各城市的人口变化进行拟合。其中，Malthus模型是最简单的人口模型：在最简单的情况下，人口以几何级数增长，故采用指数函数来拟合、预测人口增长（Malthus，1798），其公式为：

其中，t表示时间，P0为t=0时的初始人口，r为与人口增速相关待定系数。在求解时，先通过对数变换将公式（1）转化为线性形式：

再利用最小二乘回归计算就可以得到参数P0和r。

由于未考虑资源环境的限制，Malthus模型比较适用于中短期人口预测，但从长其来看由于资源的限制实际人口不可能无限增长。针对这个问题，Pearl等将在Malthus模型的基础上，引入了资源环境约束，形成了Logistic模型（Verhulst，1838；Pearl和Reed，1920）。Logistic模型的方程为：

其中，t表示时间，K、α、β为3个待定参数。由公式3可知，Logistic模型描述了一个先加速增长，再减速趋于极限值K的S型增长过程，其拐点坐标为(ln()/,K2/)。在求解时，一般将K看作固定常数，将公式3通过对数变换转化线性形式：

后通过最小二乘回归计算得到α和β值。K值

通过最小误差搜索法来确定：由于K值是人口增长的上限，必然大于现有的常住人口，故以人口的最大值为初始值，迭代计算取使最小二乘回归的r2系数最大的K值即为拟合最优的K值。

3.2拟合结果

基于各城市1979─2009年的人口数据应用Malthus模型，其结果表明：Malthus模型对各个城市的人口变化均有不错的拟合精度，其中r2系数最低的东莞仍达到了0.9383（表3）。结合模型增速发现，由于2003年以后深圳、东莞等城市的人口增速相比2000年前明显下降，其Malthus模型的r2系数明显低于人口增长较慢，但增速更稳定的肇庆、江门、惠州等城市。

表3 Malthus模型的主要结果Table 3 The Results of Malthus models

在人口变化趋势预测方面，人口增速最快的深圳、东莞的Malthus模型估计值依次在2003年、2005年超过了其实际值，其后估计值与实际值的差距逐渐增大（图2）。其中，深圳的Malthus模型2010年的人口为1886.29万人，已远高于同年实际人口；到2020年其人口预测值更是高达6469.58万人，这显然超过了深圳市的资源环境承载极限。这说明在资源环境的限制下，深圳、东莞的人口高速增长已经不可持续，Malthus模型已不能反映其未来人口的变化趋势。广州、佛山、珠海、中山等城市的人口增速相对较慢，其Malthus模型的估计值与其实际人口较为接近，但2010年以来这4个城市人口增长呈放缓趋势，Malthus模型估计值逐渐偏大。对于人口增速最慢的江门、惠州、肇庆等3个城市而言，其人口规模远未达到其资源环境承载极限，资源环境压力对人口增长的影响仍不显著，同时产业转移至这3个城市，其人口增速保持稳定甚至呈现出加速的趋势，因而2010年以来其Malthus模型的估计值接近或略大于实际值。

图2 各城市常住人口变化及其Malthus模型Fig. 2 The Population changes and its Malthus model of each city

由于深圳、东莞、广州等城市的人口增长均受到了不同程度的约束，因而尝试利用Logistic模型来对其进行建模。考虑到Logistic模型在低速增长部分接近0值，而广州、佛山等城市在常住人口缓慢增长的1980s已经具有一定规模的常住人口，因此先将这些城市的常住人口减去一个常数Y0，然后再进行Logistic拟合，然后拟合值后加上常数Y0作为最终的拟合值。

利用Logistic模型对各城市1979─2009年的人口数据进行拟合发现，各个城市Logistic拟合模型的r2系数均大于0.9696，这说明Logistic模型能较好地反映这些城市常住人口的变化趋势（表4）。从Logistic模型的拟合结果中可以看到，对比表3发现，深圳、东莞等人口增长较快的城市的Logistic模型R2系数相较Malthus模型均有不同程度的提高。

表4 Logistic模型的主要结果Table 4 The Results of logistic models

在人口的变化趋势预测方面，Logistic模型也明显比Malthus模型更为合理。以2010─2012年珠三角地区各个城市的常住人口实际对比检验Logistic预测值发现，除珠海外各城市的预测值均小于其常住人口实际值，且其预测值与实际值的误差呈现出缩小的趋势（图3）。由于考虑了资源环境的约束，到2020年时各城市Logistic模型的预测值仍处于一个较为合理的水平。

图3 各城市常住人口变化及其Logistic模型Fig. 3 The Population changes and its logistic model of each city

4 结果分析与讨论

4.1珠三角内部的差异性

由于Malthus模型与Logistic模型的主要区别在于是否考虑资源环境因素对人口增长的约束，故2组模型的上述差异可以较为直观地反映不同城市人口增长面临的资源环境压力差异。

将Malthus模型与Logistic模型进行对比发现：在2000年之前，2组模型的差异较小，其中除深圳、东莞外，其他城市的2组曲线在2005年以前基本重合（图4）。这是由于在Logistic模型早期，资源环境对人口增长的约束较小，故人口增长曲线与Malthus模型相近；随着人口的增长，资源环境压力增长，2组模型的差异也逐渐显现。其中，人口增长最快的深圳、东莞的Malthus模型的拟合值在2003年后逐渐大于Logistic模型，2010年时预测值已远大于Logistic模型，到2020年时深圳、东莞的人口规模甚至明显超出了其资源环境承载极限。广州、佛山、中山、珠海等4个城市人口的增速低于深圳、东莞，其Malthus模型拟合值从2007年起逐渐大于Logistic模型，但直到2020年Malthus模型的预测值仍在一个相对合理的范围内。对于江门、惠州、肇庆等其人口增长较慢，人口规模也远未达到其资源环境承载极限，因而其Logistic曲线与Malthus曲线直到2020年都几乎完全重合。

图4 Malthus(实线)模型与Logistic(虚线)模型Fig. 4 The Malthus models (solid) and logistic models (Dashed)

结合Malthus模型与Logistic模型的对比发现，土地资源的压力与2组模型的差异密切相关。其中，土地资源压力最大的深圳、东莞人口增长放缓的趋势出现最早，同时其Malthus模型与Logistic模型的后期差异也最为明显；广州、佛山、珠海、中山等土地资源压力相对较小的城市2组模型仅在2006年之后才出现明显的差异，且2组模型的差异明显小于深圳、东莞；江门、惠州、肇庆等土地资源较为充裕的城市的2组模型在2020年前均没有表现出显著的差异。

4.2对人口上限的讨论

如前所述，深圳等城市的人口增长已经明显受到土地资源等因素约束，因而Logistic模型比Malthus模型能更好地反映其人口变化趋势。从预测值来看，Logistic模型对深圳等城市的人口变化预测明显偏于保守。其中，深圳、东莞的极限人口（K值）分别为1090万、830万，仅略高于这2个城市2012年的人口规模。这是由于Logistic模型中人口增长存在一个固定的上限，而现实中人口增长在达到一定规模时增速确实会下降，但技术进步等因素的影响下现实中的人口上限并不是固定的，因而根据历史人口数据拟合得到的增长上限通常是较为保守的（李永浮等，2006；黄健元和刘洋，2008）。

人口增长的极限值（K值）对Logistic模型的走势极为关键。以深圳为例，分别设置K=1090、1200、1300并拟合Logistic模型，发现在小范围内调大K值对拟合精度影响较小，3组拟合曲线仅在后期才表现出差异（图5）。同时3组拟合的r2系数较为接近：当K=1090时r2=0.9941为最大值；当K值为1200、1300时，其r2系数分别为0.9902、0.9857。

实际上，增大K值对其他城市Logistic模型的R2系数也影响较小（图6，由于K值必大于2009年时的常住人口，所以图中X轴是K值与2009年对应人口的差值）。本文中最优的K值即是r2系数最大值对应的K值。从图6中可以看到，当r2系数达到最大值以后，r2系数随K值增长下降的速度很慢。这说明在最优K值的基础上适当增大K值既可以在一定程度上弥补模型的保守性，也不会明显降

低模型的精度。但这种调整需要综合考虑各个城市的人口承载力、增长潜力等多方面的因素，这是将来需要作更进一步分析和研究的。

图5 增长极限对Logistic模型的影响（深圳）Fig. 5 The Influence of upper limit on logistic model (Shenzhen)

图6 增长极限与r2系数的相关性Fig. 6 The Correlationship between the upper limit and r2

5 结论

改革开放以来，随着经济的快速发展，大量外来人口涌入珠三角地区，其人口规模迅速扩张，30余年间常住人口增长超过2倍。人口的快速增长使珠三角地区面临的资源供给压力增大，环境问题也日益突出。

在土地资源等因素的限制下，2000年以后珠三角地区的人口增长明显放缓，其中深圳、东莞、广州等城市的人口规模已经接近其承载极限，其增速下降尤为明显。分别利用Malthus模型与Logistic对各城市的人口变化进行拟合发现：2组模型对早期的人口变化均有较高的拟合精度，但在后期不同城市的Logistic模型与Malthus模型呈现出明显不同的人口变化趋势。

结合各个城市的土地资源开发情况发现，2组模型后期的差异与其土地资源压力密切相关。其中，深圳、东莞的土地资源压力最大，其2组模型的人口变化趋势最早出现差异，且差异也最明显；广州、佛山、珠海、中山等城市也面临着一定的土地资源压力，但由于其人口增速低于深圳、东莞，因而其Logistic模型与Malthus模型的差异较小；对于江门、惠州、肇庆等城市，其面临的土地资源压力较小，同时人口增长较慢，故Logistic模型与Malthus模型没有表现出显著的差异。

总的来看，珠三角地区的人口增长已经明显受到土地资源的约束，特别是深圳、东莞、广州等城市，其增长过程与Logistic模型更为接近。同时，需要注意的是Logistic模型对人口增长预测偏于保守，适合作为人口预测中的保守方案。

Thomas Robert Malthus. 1798. An essay on the principle of population [M]. 1998. London: Electronic Scholarly Publishing Project: 6-12.

Raymond Pearl, Lowell J Reed. 1920. On the rate of growth of the population of the United States since 1790 and its mathematical representation [J]. Proceedings of the National Academy of Sciences of the United States of America, 6(6): 275.

Pierre-François Verhulst. 1838. Notice sur la loi que la population suit dans son accroissement. Correspondance Mathématique et Physique Publiée par A [J]. Quetelet, 10: 113-121.

陈图深, 童玉芬, 曾序春等. 2008. 深圳市人口承载力分析及对策研究[J]. 西北人口, 29(03): 27-30, 37.

黄健元, 刘洋. 2008. 流动人口预测模型构建及其应用[J]. 统计与决策, 24(23): 18-20.

黄小黎. 2003. 珠江三角洲发展中人口问题探讨[J]. 地理与地理信息科学, 19(05): 109-112.

李超海, 唐斌. 2006. 城市认同、制度性障碍与“民工荒”现象——长三角、珠三角和中西部地区实地调查[J]. 青年研究: 29(07).

李传志. 2005. 关于珠三角“民工荒”的思考[J]. 经济问题: 27(05).

李玲. 2001. 改革开放以来中国国内人口迁移及其研究[J]. 地理研究, 20(04): 453-462.

李永浮, 鲁奇, 周成虎. 2006. 2010年北京市流动人口预测[J]. 地理研究, 25(01): 131-140.

刘佳宁, 赵细康. 2007. 流动人口对资源环境影响的综合效应分析——以广东省为例[J]. 经济问题, 29(07): 38-40.

龙志和, 任通先, 李敏, 等. 2010. 广州市城市综合承载力研究[J]. 科技管理研究, 30(05): 204-207.

马建会. 2006. 资源环境约束下改进珠三角工业增长模式的对策思考[J].特区经济, 24(02): 61-63.

王爱民, 尹向东. 2006. 城市化地区多目标约束下的适度人口探析——以深圳为例[J]. 中山大学学报(自然科学版), 45(01): 116-120.

王燕. 1997. 浅析流动人口对珠江三角洲城市化进程的影响[J]. 城市问题, 16(06): 25-27.

吴荣生, 管东生. 2006. 珠江三角洲的人口时空变化及其对资源和环境的影响[J]. 生态学杂志, 25(12): 1586-1590.

杨宏山. 1995. 珠江三角洲“民工潮”的调查与分析[J]. 人口研究, 19(02): 53-56.

钟世坚. 2013. 珠海市水资源承载力与人口均衡发展分析[J]. 人口学刊, 35(02): 15-19.

周纯, 舒廷飞, 吴仁海. 2003. 珠江三角洲地区土地资源承载力研究[J].国土资源科技管理: 20(06).

周大鸣. 1992. 珠江三角洲外来劳动人口研究[J]. 社会学研究: 7(05).

周兆钿, 郭艳华. 2007. 广州人口、资源与环境相互关系的定量研究[J].资源开发与市场, 23(08): 698-702.

朱照宇, 欧阳婷萍, 邓清禄, 等. 2002. 珠江三角洲经济区水资源可持续利用初步评价[J]. 资源科学, 24(01): 55-61.

Analysis on the Constraint of Land Resource on Population in Pearl River Delta

LIU Zhijia1,2, HUANG Heqing2
1. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China

Since the reforming and opening-up, lots of immigrants have crowed into the Pearl River Delta (PRD) due to the regional high-rate economic growth. As a result, the residential population of PRD increased from 17.97 million in 1979 to 56.82 million in 2012. Under the stimulus of the population growth, the built-up land expanded dramatically, with the total built-up land acreage reaching 8857 km2in 2010. In some well-developed cities, such as Shenzhen and Dongguan, there is few land resource available for accommodating more population, and their population growths have been slowed down significantly since 2000. To analyze the land resource constraint on the population growth, Malthus and Logistic models are applied to all nine cities in PRD and the results show that before 2000, the fitting curves of the two models are similar and both models can describe the changes precisely. To model population changes after 2000 and predict future population growths, the two models yield significantly different results due to the significant differences in the land resource pressure of the nine cities. According to the differences in land resource pressure, the nine cities in PRD are classified into three groups. The first group includes Shenzhen and Dongguan, which are experiencing the rapidest population growth and so have the highest land resource pressure. As a result, the Malthus models of Shenzhen and Dongguan yield populations larger than the actual populations of the two cities respectively from 2003 and 2005, and the differences increase sharply since then. According to the Malthus models, there will be 64.70 million residents in Shenzhen and 23.87 million in Dongguan in 2020, which clearly exceed the carrying capacity of the two cities. This indicates that the high-rate population growth in the two cities is unsustainable and the Malthus models cannot reflect their future trends. For cities in the second group, including Guangzhou, Foshan, Zhuhai and Zhongshan, the land resource pressure is significant but less than that of cities in the first group, and the differences in the outcomes of the Malthus models are also less significant. However, the population growth of these cities has slowed down since 2010, and the estimation errors of the Malthus models increase gradually. For Jiangmen, Huizhou, and Zhaoqing cities in the last group, there is little land resource pressure relatively and the population growth rates are generally low, leading to insignificant differences in the outcomes of the Malthus models until 2020. For predicting future populations in cities of PRD, Logistic model is more suitable to the cities in the first two groups because the population growths of these cities have been constrained by the land resource significantly, while Malthus model is still applicable to cities in the last group.

Pearl River Delta; population; land resource; logistic model; Malthus model

X24

A

1674-5906（2014）12-2003-07

中荷JSTP“与水共处的治水方略：全球气候变化下和海平面上升条件下珠江三角洲地区土地利用与水系统适应性管理”（GJHZ1019）

刘志佳（1986年生），男，博士研究生，研究方向为复杂地理系统模拟与应用。E-mail：liuzj.10b@igsnrr.ac.cn

2014-08-07

刘志佳，黄河清. 土地资源对珠三角地区人口增长的约束分析[J]. 生态环境学报, 2014, 23(12): 2003-2009.

LIU Zhijia, HUANG Heqing. An Analysis on the Constraint of Land Resource on Population in Pearl River Delta [J]. Ecology and Environmental Sciences, 2014, 23(12): 2003-2009.