省际迁入人口空间分布及其影响因素研究

胡苗苗，闫庆武，李晶晶

(中国矿业大学 环境与测绘学院，江苏 徐州 221116)

1 引言

随着全球经济一体化和区域城市化进程的不断加快，不同地域范围之间的人口迁移流动规模日益增长，对国家或地区人口再分布和经济社会发展产生了深刻影响，引起世界各国政府、学界和社会的广泛关注(蒲英霞等,2016)。目前中国人口迁移己经进入了“高活性时代”和“高能力时期”，关于人口迁移影响因素的研究一直都是人口地理学研究的热点领域，对中国人口迁移影响因素的研究，有助于正确解决人口与发展带来的诸多问题，促进人口、资源的合理配置，为国家重大战略政策的制定提供参考。我国省际人口迁移影响因素的研究大都是定性分析，从理论或者模型层面上定量分析的文献较少(刘生龙,2014)，且定量研究运用的方法比较单一，主要是线性回归模型(段成荣,2001；刘建波等,2004；王桂新等,2012；雷光和等,2013；刘晏伶等,2014；李怡涵等,2016)，用来研究省际人口迁移的其他模型还有引力模型(汤韵等,2009；马伟等,2012；刘生龙,2014)、空间OD模型(蒲英霞等,2016)、特征向量空间过滤模型(李诗韵等,2017)、计量模型(张耀军等,2014；刘涛等,2015)、固定效应模型(何一峰等,2007)、主成分分析(袁晓玲等,2008)等，相关的文章较少。

人口迁移是促进社会经济发展和人类文明进步的重要推动力，既能为迁入地提供大量的劳动力资源、创造财富，同时促进当地的商品流通和经济发展，也会对迁入地的环境、住房、就业、生活等带来压力。因此，研究人口迁入的影响机制对各级政府进行人口预测、政策制定、促进人口要素在空间上的合理分布、优化资源配置有重要的指导意义。刘颖(李怡涵等，2016；刘颖等，2017)等人的研究表明城镇化水平对人口迁移有十分重要的影响。NDVI与人口迁移相关关系的研究较少，第四届中国环境社会学学术研讨会上李勇进研究了我国西部的人口迁移率与NDVI之间的关系，发现西部地区 NDVI 和人口迁移率之间的相关性，由 1990 年的不显著转变为 2000 年的显著相关，并且到 2010 年这种显著性还将进一步增强(杨悦，2014)。以往对人口迁移影响因素的研究大都采用统计年鉴中现有的人口、经济和交通可达性等比较直观的因素，随着生活水平的不断提高，人们越来越看重迁入地的环境舒适度、基础设施、教育等因子，传统的影响因素已经不足以支撑复杂的影响机制。鉴于此，本文基于第六次全国人口普查数据以地级市为研究的基本单元，运用地理加权回归模型探讨了各因素对省际人口迁入的影响，并对不同地区未来经济发展提出建议。自变量的选择以第三产业生产总值占国内生产总值的比重(DiSan)代表影响人口迁入(POP)的经济因素；年末户籍总人口(RenKou)代表影响人口迁入的人口因素；平均植被覆盖度(FVC)代表环境因素，城镇建设用地面积(Area)代表城镇化水平对人口迁入的影响。其中，植被覆盖度和城镇建设用地面积是通过对遥感数据处理得到，丰富了人口迁移动力机制研究的数据源，可以为相关研究提供借鉴。

2 数据来源与研究方法

2.1 研究区概况

胡焕庸线是胡焕庸教授于1935年提出的中国人口地理的分界线，它不仅揭示了中国人口分布的空间异质性，还解释了中国资源环境基础的区域差异特征(戚伟等,2015；张永岳等,2015；王桂新等,2016；李佳洺等,2017)，2014年底李克强总理参观人居科学研究展时提出了胡焕庸线能否突破的问题，使胡焕庸线再度成为研究的热点。根据2010年第六次全国人口普查资料，利用ArcGIS进行的精确计算表明，胡焕庸线以东面积占全国的43.56%，省际迁入人口占全国省际总迁入人口的94.67%，由于本文主要研究人口迁入的影响因素，所以将占全国绝大多数迁入人口的胡焕庸线以东的各地市作为研究区域。使用第六次人口普查分县资料开展研究，研究对象为胡焕庸线以东277个地级行政单元，为了保持图面的完整性和连续性，在进行变量统计时，统一把河南、湖北、海南3省地级市以外的省直辖县级行政区归为一个研究单元，如把湖北省的仙桃市、潜江市、天门市、神农架林区化为一个统计单位，命名为湖北省直辖。

2.2 数据来源与处理

2.2.1 经济和人口数据

迁入人口数据来自《中国2010年人口普查资料》，年末总人口、人均地区生产总值、第三产业生产总值均来自《中国区域经济统计年鉴》、《海南统计年鉴》、《河南统计年鉴》、《湖北统计年鉴》。

2.2.2 NDVI数据

NDVI数据来自美国国家航天局(NASA) EOS/Terra 卫星 MODIS 传感器的植被指数产品MOD13Q1(http://ladsweb.nascom.nasa.gov/)空间分辨率250 m，时间分辨率16d。选择的时间范围为2010年。采用MRT(Modis Reprojection Tool)软件对同一时间的影像进行镶嵌，运用ArcGIS软件进行投影及重采样等处理，采用亚洲北部阿尔伯斯等积圆锥投影(Asia_North_Albers_Equal_Area_Conic)并重采样成1000m*1000m。然后以像元二分模型计算植被覆盖度(马娜等,2012；穆少杰等,2012；杨胜天等,2014)。

2.2.3 夜间灯光数据

城镇建设用地面积基于夜间灯光数据提取，夜间灯光影像选用2010年DMSP/OLS 数据，该数据由美国国家海洋和大气管理局NOAA(National Oceanic and Atmospheric Administration)收集，经过美国国家地球物理数据中心NGDC(National Geophysical Data Center)处理后得到。城镇建设用地面积的提取采用邻域分析法(苏泳娴等,2013；曹子阳等,2015；苏泳娴等,2015)(图1)，并用廖兵文章中江西省2009年阈值26提出的城镇建成区面积(图1)进行对比验证，可见研究区域内提取效果良好。

图1 邻域分析法和经验阈值法建成区提取结果对比

2.3 研究方法

2.3.1 全局空间自相关指数

全局空间自相关指数Global Moran’s I主要探索属性值在整个空间分布上是否具有相关性，计算公式如下：

2.3.2 热点分析

热点分析用于识别具有统计显著性的高值(热点)和低值(冷点)的空间聚类，计算公式为：

2.3.3 地理加权回归

地理加权回归是对传统回归分析的改进，各自变量对因变量的影响会因位置的改变而改变，更符合客观现实，回归的前提是因变量具有空间相关性(靳诚等,2009；王桂新等,2013；王宇航等,2016)，模型如下：

式中，(ui，vi)是第i个样本空间单元的地理中心坐标，βj(ui，vi)是连续函数βj(u，v)在i样本空间单元的值。

3 省际迁入人口空间分布特征

3.1 省际迁入人口规模的空间分布

图2 省际迁入人口空间分布

从整体来看省际迁入人口的空间分布具有明显的不均衡性，具有近海性、近省会性，东多西少的特征。迁入长三角地区、珠三角、京津冀的人口分别占全国省际总迁移人口的34.66%、23.53%、13.32%，以上三大都市圈加上研究区内包含的省会城市总迁入人口占研究区域迁入人口的83.55%。山东半岛凭借着优越的地理位置优势和国家政策的支持，也成为吸引省际迁移人口的一大目的地。迁入人口超过100万的城市一共有19个，除了福建省泉州市外，都属于上述三大都市圈。研究区域内迁移的平均规模是293497人/市，为了更直观的表达省际迁入人口的空间分布，按照迁移平均规模的500%、150%、100%、50%对各研究单元进行分类，划分为极密集区(大于500%)、密集区(150%-500%)、次密集区(100%-150%)、次稀疏区(50%-100%)、稀疏区(小于50%)，分布情况如图2。极密集区包括12个地市，除了泉州市其余11个地市都属于三大都市圈，其中上海、北京、深圳、东莞、苏州、广州、天津7个地级市是平均规模的10倍以上，该7个地市的省际迁入人口占研究区内总迁入人口的42.12%；密集区共包含20个地市，除厦门、福州、大连、青岛外，都属于长三角地区、珠三角、省会、直辖市，且这四个地市都属于沿海城市，地理位置条件优越；次密集区包括沈阳、珠海、南通、汕头、廊坊、烟台、海口共7个地市；次稀疏区共包括26个地市，其中11个属于省会城市，这是因为极密集区迁入人口占研究区总迁入人口的57.74%，拉高了平均迁入规模，可见迁入三大都市圈和省会城市的人口存在显著的数量差异，三大都市圈是最主要的迁移人口聚集地；研究区内79.53%的地市属于稀疏区，可见研究区域内大部分城市的迁入人口偏少，研究区域内部省际迁入人口的空间分布表现出了明显的空间集聚性。综上所述胡焕庸线以东省际迁入人口形成了以长三角地区、珠三角、京津冀为主要迁入目的地，各省会城市为第二大迁入目的地，其余城市迁入总体偏低的格局。

3.2 省际迁入人口的集聚特征

利用ArcGIS软件对胡焕庸线以东各地级市2010年省际迁入人口进行空间自相关分析，Moran’s I指数为0.54，表明省际迁入人口存在高度的空间自相关，符合进行地理加权回归分析的前提。热点分析显示迁入人口分布的高值聚集区分布在长三角地区、珠三角、京津冀，其中珠三角的集聚作用远超出了自身的范围，向周边相邻的城市扩散，扩散的方向以向北为主；京津冀和长三角的集聚效果欠佳，在河北省南部和江苏省北部集聚效果不明显，如图3所示。

图3 空间自相关和热点分析结果图

4 省际迁入人口空间分布影响因素分析

省际迁入人口与第三产业生产总值占比、年末总人口、平均植被覆盖度、城镇建设用地面积之间的全局OLS关系式如下：

YPOP= 2787 + 2855442 * XDiSan- 182* XRenKou+ 631 * XArea- 1424737 * XFVC

从整体来看，迁入人口量与第三产业生产总值占比和城镇建设用地面积成正相关关系，印证了经济和城镇化水平是促进人口迁入的主要因素；与年末总人口和平均植被覆盖度呈负相关关系，这可能与这两个自变量具有较大的空间变异特征有关，全局OLS模型基于样本之间彼此独立的假设，反映的是自变量对因变量整体的影响特征，忽视了人口迁入量及其影响因素具有空间异质性，所以接下来我们以年末户籍总人口、第三产业生产总值占生产总值的比例、城镇建设用地面积、平均植被覆盖度作为自变量，省际迁入人口作为因变量进行地理加权回归分析，结果如表1所示，地理加权回归的残差和AICc明显比OLS小，拟合优度也有很大的提高，说明GWR模型的拟合结果明显优于OLS模型，对残差进行相关性检查结果是0.11，模型模拟效果良好。

表1 GWR模型和OLS模型拟合结果对比

4.1 植被覆盖度对省际人口迁入影响的空间变异特征

(1)平均植被覆盖度系数变化范围是[-8300181，6337753]，意味着在研究区内的某一个空间区位，平均植被覆盖度每增加1%，省际迁入人口将波动[-8300181，6337753]人。(2)平均植被覆盖度对人口迁入的影响有正有负，从回归系数的空间分布来看，正值主要分布在研究区域的中部地区，包括北京、天津、河北、山东、山西、陕西中部、河南北部、江苏北部、安徽东部，且正向影响大体由德州、石家庄等市分别向南、向北梯度递减，高值区出现在山东德州市和河北的衡水市、石家庄市。系数为正的地市一共有79个，其中只有32.91%地市的平均植被覆盖度大于平均值0.86，说明大部分正向影响地区的平均植被覆盖度不高，生态环境的改善会带动这些地区经济的持续健康发展,吸引人口迁入，以山东德州为例，中国太阳谷位于德州的开发区，是目前世界上最大的可再生能源研发、检测、生产、教育、旅游基地，经济与自然环境协调发展在这里得到了最好的阐释，绿色可再生能源逐渐取代对大自然的肆意掠夺，既发展了经济又保护了植被。因此，这些地区经济发展要与生态环境相适应，更加注重可持续发展、绿色发展。(3)负值区域主要在研究区域的北部和南部，负向影响的高值区出现在湖南省郴州市、永州市，海南的海口市。这些地区普遍平均植被覆盖度较高，跟本文预期的人们会迁入生态环境更好的地区并不十分相符，一方面的原因是平均植被覆盖度并不能完全代表生活工作环境的好坏，另一方面本文为了避免大量细碎的斑块不便于统计造成的误差，对植被覆盖度过高或过低并不适合生存的地区并没有剔除。平均植被覆盖度对这些地区人口迁入产生负向影响最重要的原因是，无论是东部沿海地区为了缓解城市住房等压力拓展城市范围还是中部能源省份能源开采，都会破坏自然减少植被覆盖度，这是被国家政策严格控制的，一定程度上限制了这些地区的经济发展，对人口的迁入也是负向影响。以郴州市为例，郴州是国家优秀旅游城市，全市的森林覆盖率达到了70%，植被覆盖度过高反而制约了人口的迁入，2016年郴州市被列为第三批国家新型城镇化综合试点地区，提高了城镇化率，促进了就业，同时也吸引了人口的迁入。

4.2 城镇建设用地面积对省际人口迁入的空间变异特征

图4 植被覆盖度回归系数的空间分布

(1)城镇建设用地面积系数变化范围是[-123，1440]，意味着在研究区内的某一个空间区位，城镇建设用地面积每增加1平方千米，省际迁入人口将波动[-123，1440]人。(2)城镇建设用地面积对省际人口迁入的影响有正有负，从回归系数的空间分布来看，大部分地区是正向影响，负向影响主要分布在黑龙江东部和吉林东部，高值区在吉林省白山市、通化市、延边朝鲜族自治州和黑龙江的牡丹江市。该地区有长白山经过，以林地和耕地为主，属于人口净流出地区，增加城镇建设用地会破坏原本的经济结构，减少人口的迁入。(3)正向影响在东南沿海地区和京津冀相对较高，在研究区域的西部内陆地区较低，高值区出现在河北的衡水市、沧州市、石家庄市，山东的德州市和滨州市。一方面城镇化建设需要大量劳动力，能提供更多的就业机会，吸进劳动力的迁入，另一方面城镇化水平高的城市吸引人口定居。值得注意的是在京津冀及其周边地区，植被覆盖度和城镇建设用地面积在该区域都为正向影响，也就是说在该地的城镇化建设要更加注重城市绿化建设，有研究表明我国城镇化建设建成区绿化覆盖率和城镇化率的关系是倒U型的，即起初绿化率会随着城镇化率的提高而提高，达到峰值后转而下降(刘志强等，2017)。

图5 城镇建设用地面积回归系数的空间分布

4.3 年末总人口对省际人口迁入的空间变异特征

图6 年末总人口回归系数的空间分布

(1)2010年末户籍总人口系数变化范围是[-1987，3292]，意味着在研究区内的某一个空间区位，年末总人口每增加1万人，省际迁入人口将波动[-1987，3292]人。(2)年末总人口对省际人口迁入的影响有正有负，从回归系数的空间分布来看，正向影响主要分布在浙江、上海、江苏南部、黑龙江、吉林和研究区域的西南部地区，且东部各地市的正向影响普遍比西部地市强，高值区分布在浙江省的台州市、宁波市、舟山市。长三角地区经济发达能提供更多的就业机会，向来是吸引人口迁入的目的地之一，年末总人口对该地区省际人口迁入是正向影响说明长三角劳动力并不饱和，人口的迁入会继续刺激经济的增长，未来长三角会成为人口迁入的主要目的地，此结论与王桂新的研究结果一致(王桂新等,2012)；自2003年实施东北地区等老工业基地振兴战略以来，东北地区经济社会发展加快，改革开放以来被拉开的发展差距逐年缩小，逐渐赶上了全国平均增速(樊斌等,2017)，东北工业的崛起需要劳动力的支持同时也提供了更多的工作岗位吸引人口的迁入；研究区域的西部地区都是资源开采地区，需要大量的劳动力，所以人口数量与当地经济直接挂钩。因此在这些地区应该实行积极的就业优惠政策，提高人口迁移吸引力。(3)负向影响主要分布在研究区域的中部和东南部，且负向影响在经济发达的广东和环渤海经济圈较大，在中部内陆地区影响小，高值区在辽宁省大连市、营口市和广东省惠州市。人口的迁入是把双刃剑，环渤海经济圈及其周边地区、珠三角及其周边地区是人口迁入最热门的地区，大量的人口给当地环境、住房等带来了巨大的压力，成为阻碍人口迁入的因素；负向影响的其他地区都是人口净迁出地区，年末总人口多意味着迁移储量大，迁出的人口就会多，且人口基数大就业机会少会阻碍人口迁入。因此在这些地区要积极发展周边城市，做好人口分流，充分发挥大城市对周边城市的经济辐射带动作用，减轻人口过多对大城市环境等带来的压力。

图7 第三产业生产总值占比回归系数的空间分布

4.4 第三产业生产总值占比对省际人口迁入的空间变异特征

(1)第三产业生产总值占比系数变化范围是[-989290，7574712]，意味着在研究区内的某一个空间区位，第三产业生产总值占比每增加1%，省际迁入人口将波动[-989290，7574712]人。(2)第三产业生产总值占比对人口迁入的影响有正有负且在大部分地区都是正向影响，在北上广及其周边地区正向影响更大，高值区出现在广东省的惠州市、广州市、东莞市、深圳市。第三产业的加快发展是生产力提高和社会进步的必然结果，有利于优化生产结构、促进工农业生产的社会化和专业化水平的提高，促进市场充分发育，缓解就业压力，从而促进整个经济持续、快速健康发展，第三产业对人口的迁入是积极主动的作用。(3)负向影响分布在安徽中部和江苏的宿迁市，高值区在安徽省的巢湖市、滁州市、铜陵市。这些地区经济发展水平比较落后，第二产业发展较好，第三产业对人口迁入是负向影响有可能因为第一二产业的基础还不够支撑第三产业的发展，所以在这些地区要注重一二产业的发展，协调三产业的发展关系，走适合当地实际的发展道路。

图8 正向最大影响因素空间分布

4.5 正向和负向最大影响因素空间变异特征

为了了解研究区域内不同地市正向和负向最大影响因素，对各自变量进行Z值标准化后重新应用GWR模型，得到了正向和负向最大影响因素空间分布情况：

研究区域内最大正向影响因素有城镇建设用地面积、年末户籍总人口、第三产业生产总值占比：(1)大部分研究区域都是受城镇建设用地面积正向影响最大，城镇化建设既能提供更多的工作岗位，又能改善生活条件吸引人口定居。(2)受年末总人口正向影响最大的区域一部分分布在上海、江苏南部、浙江，属于长三角地区，人口密度高经济发展快，更多就业机会更高工资待遇吸引人口的迁入，而人创造出的价值又会进一步促进迁入地经济的增长，创造出更多的就业机会吸引人口迁入；另一部分在黑龙江东部和吉林东部，振兴东北老工业基地战略实施以来，东北经济开始萌芽复苏，提供了更多工作岗位吸引省际迁移人口就业。(3)受第三产业生产总值占比正向影响最大的区域主要分布在黑龙江西部、吉林西部、辽宁北部、内蒙古的兴安盟、通辽市、山西的临汾市、长治市和河北邯郸市，这些地区都面临着产业转型问题，促进第三产业发展能优化生产结构，增加就业机会使经济持续健康发展，所以在这些地区积极发展第三产业能最大程度的发展经济，增加人口迁移的吸引力。

图9 负向最大影响因素空间分布

研究区域内最大负向影响因素有：城镇建设用地面积、平均植被覆盖度、年末总人口、第三产业生产总值占比。(1)没有负向影响的区域有研究区域内陕西省的大部分、江苏的扬州市和南京市、安徽省的马鞍山市和黄山市。这些地市除了南京外经济都不是很发达，本文涉及的4个影响因素对这些地区人口的迁入都是正向影响，可见这些地市的经济将迎来高速发展的时代。在这些地区正向最大影响因素都是城镇建设用地面积，因此这些地市应该抓住机遇，促进城镇化建设，特别是城市绿地建设，促进产业结构转换升级，吸引人口的迁入。(2)受城镇建设用地面积负向影响最大的区域主要是黑龙江东部和吉林东部，这些地区主要是林地和耕地，增加城镇建设用地会破坏当地原本的经济结构，阻碍人口的迁入。(3)受平均植被覆盖度负向影响最大的区域主要分布在黑龙江和吉林的中西部、研究区域的西南部、江苏南部、浙江省、福建北部，这些地区正向最大影响因素大部分都是城镇建设用地面积和第三产业生产总值占比，平均植被覆盖度并不是预期的正向影响，可见目前驱动中国人口发生省际迁移最主要的因素仍然是经济因素，而且很多经济活动都是以破坏植被，减少植被覆盖度为条件的，所以植被覆盖度高反而成了阻碍人口迁入的因素。(4)受年末总人口负向影响最大的区域主要分布在研究区域的中部和南部的部分地市，对于经济发达的北京、天津、福建、广东来说过多的人口已经成为了一种负担，就业、生活、住房等多方面的压力制约着城市人口的迁入，其他地市都属于人口净流出地区，总人口越多流出人口就越多。(5)受第三产业生产总值占比负向影响最大的区域是安徽省芜湖市和铜陵市。芜湖市作为安徽省第二大城市，多年来虽然第三产业发展速度较快，但始终低于工业经济快速增长强力拉动的整个经济的发展速度，使得第三产业低于整个经济特别是工业经济的发展，铜陵市因铜得名也是第二产业比较发达，在这两个地市发展第三产业要循序渐进，以第一、二产业为支撑，逐渐实现产业转型升级。

5 结论与展望

5.1 结论

(1)胡焕庸线以东省际迁入人口的空间分布表现出明显的不均衡性，具有近海性、近省会性，东多西少的特征，形成了以长三角地区、珠三角、京津冀为主要迁入目的地，各省会城市为第二大迁入目的地，其余城市迁入总体偏低的格局。

(2)植被覆盖度对人口迁入的正向影响主要分布在研究区的中部地区，且正向影响大体由德州、石家庄等市分别向南、向北梯度递减，大部分正向影响地区的平均植被覆盖度不高，生态环境的改善会带动这些地区经济的持续健康发展,吸引人口迁入。负向影响主要在研究区的北部和南部，植被覆盖度过高反而不利于人口的迁入，因此在这些地区要统筹经济建设与植被保护的关系，既要保护绿水青山也要建设金山银山。

(3)增加城镇建设用地面积有利于促进人口合理分配缩小经济差距，加快基础设施建设促进城镇化发展，是各地区增强迁入吸引力的重要举措，新型城镇化将成为普惠民生、改善就业的战略主线。城市绿地建设是城镇化建设的关键环节，既能提高城镇化水平提供更多就业，又兼顾了植被覆盖，美化生活工作环境，吸引人口迁入。

(4)增加年末总人口在京津冀和珠三角为负向影响，人口密度过高给该地区带来了沉重的负担，就业市场趋于饱和，建议政府加大投资加快城镇化建设，增加就业岗位，同时制定完善好失业人群基本生活保障的相关措施；人口的迁入对长三角地区为正向影响，未来长三角仍将是人口迁入主要目的地。

(5)关于第三产业是否能增加就业岗位的问题，专家还存在一些争论，本研究中增加第三产业生产总值占比对研究区内绝大部分地区来说是正向影响，可见发展第三产业有利于扩大就业，吸引人口的迁入，促进人口、资源等要素的合理分配。

(6)中国省际人口迁移受经济、人口影响大，受环境因素影响较小。

5.2 展望

本文的研究区域是胡焕庸线以东的地区，依据研究结果结合不同地市实际情况为各级政府建言献策。对于胡焕庸线以西经济欠发达地区人口迁入影响因素的研究有待开展，今后的研究中会扩大研究区域，细化研究单元，探讨中西部地区人口迁移的影响机制，为缩小中西部与东部的经济差距促进共同发展提供理论支撑。