基于比较研究的浙江省历史文化名镇人口收缩特征及相关因子研究

刘声，柏明，姚敏

（1.浙大城市学院，浙江杭州310015；2.浙江大学建筑工程学院，浙江杭州310058；3.浙江大学城乡规划设计研究院有限公司，浙江杭州310030）

我国历史文化名镇由建设部和国家文物局自2003年起共同组织评选，是指保存文物特别丰富且具有重大历史价值或纪念意义的、能较完整地反映历史传统风貌和地方民族特色的镇［1］。我国开展历史文化名镇评选、推行保护利用工作已近18 a，历史文化名镇（含国家级和省级）数量多、分布广，但整体呈现“重物轻人”的现象。在快速城镇化进程中，即使是入选国家名录的古镇，仍出现不同程度的人口收缩，活态传承的人本要素岌岌可危，亟需探明历史文化名镇的人口收缩发生率、动态变化、收缩程度、空间集聚性的特征和相关因子，进而从区域层面精准引导、科学施策，为实现活态传承提供有效依据。

近年来，人口收缩现象在全球加速涌现，学术界对其关注也日益增多。国内外对于城市或城镇人口收缩的研究主要针对的是其内在机制［2］、空间格局［3］、时空分异［4］及应对策略［5］，研究对象主要为一般的城市与城镇，对特殊类型城市或城镇的研究相对滞后。主要表现为：（1）研究对象主要包括开通高铁的城市［6］、快速城镇化地区［7］、老工业基地［8］等，对历史文化名镇或古镇类型的人口收缩研究尚为空白。（2）人口收缩研究方法主要有双重差分法［6］、回归分析法［9］、GIS空间分析法［2］等，仍停留在自身的测评与分析上，缺乏特殊类型与一般区域的比较研究，无法客观说明特殊类型的特征。（3）相关研究多采用2010年人口普查数据，及时性不强，且按照行政区划统计，统计的空间范围具有局限性。随着由大数据和开放数据构成的新数据逐渐融入研究，学术界开始运用夜间灯光数据［10］、人口栅格数据［11］等表征人口数量，为推动高精的定量研究提供了新契机。

本文以浙江省历史文化名镇为着眼点，利用2005年和2015年的全国公里格网人口栅格数据，从人口收缩内涵出发构建镇区人口收缩度量的指数、空间尺度与时间跨度，通过与全省乡镇的定量比较研究，试图探寻历史文化名镇的人口收缩属性和相关因子；为从区域层面把握历史文化名镇收缩程度与时空演变特征、探寻人口收缩程度的相关因子提供思路与实证示例；并借此进行收缩分类，为防止该类乡镇空心化和落实差异化施策提供理论指导；同时也是对人口收缩相关研究的补充。

图1 总体框架Fig.1 Overall framework

1 研究设计

1.1 研究区域概况

浙江省位于东南沿海长江三角以南，截至2018年，共有1 855个乡镇，全省人均GDP 9.86万元，城镇化率68.9%（居全国第4），是全国经济最为活跃的省份之一，人口流动规模较大。作为吴越文化与江南文化的发源地，浙江省高度重视历史文化名镇和名村街区的保护。自1991年以来，公布了6批共76个浙江省历史文化名镇（其中有23个为国家级名镇），数量居全国首位。其中，因台州路桥升级为区级行政单位，故不纳入本研究范围，将其余75个作为研究本体，并以省域全部1 854个乡镇作为参照对象。因受外部长三角经济体辐射和内部差异化的动力影响，全省乡镇的人口流动差异明显，历史文化名镇人口流失加剧，但类型未明、特征未清，亟需建立适宜测度，探寻其人口收缩特征和相关因子的特殊性，推动省域尺度下历史文化名镇分类振兴的深入展开。

1.2 人口收缩内涵

人口收缩的定义起源于80年代德国学者对于城市人口减少现象的关注，HÄUßERMANN等［12］首次提出收缩城市（shrinking cities）的概念。收缩城市是指出现的城市人口下降或减少的现象。随着对收缩城市内涵的挖掘，目前普遍认为人口收缩是收缩城市的重要表现。人口收缩是由经济衰退所引起的人口下降［13］，是具有相对独立社会经济体系的区域在一定时期内出现的总人口（或劳动力、家庭）数持续下降的现象［14］。基于城镇的生命相通性，此收缩城市概念也适用于历史文化名镇。但因历史文化名镇活态传承的人群以常住人口为主，历史文化载体以镇区为核心，历史文化名镇镇区在一定时期内出现的常住人口持续下降，更具有人口收缩现象的研究价值，更适合作为“以人为本”的活态传承动力源泉的评判依据。故本次研究在指标上主要考量常住人口（包括本地户籍常住人口、外地户籍在本地居住5个月以上的流入流出人口），在空间尺度上聚焦城镇建成区，并考虑其发展速率普遍较慢的情况，时间跨度以10 a为宜。

1.3 分析要素与方法

1.3.1 人口收缩程度分析

基于人口收缩内涵，历史文化名镇人口收缩程度的度量公式为

其中，R为研究范围内某镇镇区人口收缩率，Pold为人口收缩计算起始年该镇镇区常住人口数，Pnew为计算终止年该镇镇区常住人口数。若R<1，则表明人口收缩，R值越小，收缩程度越大。按收缩程度将人口收缩型乡镇分为轻度、中度、重度、极重度4类，其对应的R值分别为0.80～1.00，0.60～0.79，0.40～0.59，0～0.39。

1.3.2 人口收缩发生率分析

在收缩程度基础上，进一步统计区域内该类型乡镇人口收缩发生率

其中，F为研究范围内乡镇镇区人口收缩发生率，Ns为区域内人口收缩的乡镇总数（R<1的乡镇总数），N为该类型乡镇的总数。

1.3.3 人口收缩的动态变化分析

参考LIN［15］分析区域差异动态变化的方法，尝试对浙江省历史文化名镇收缩的动态变化进行划分。分别以2005年和2015年2个时间节点各镇镇区人口平均规模作为参照标准，并将其设定为标准值100；将各乡镇的人口规模P分别与即标准值100）进行比较，同时比较2个时间点（2005年和2015年）P与的收敛与离散程度，将收缩分为4种类型：离散扩张、收敛扩张、收敛收缩、离散收缩。其中，收敛收缩表示原人口规模较大的镇有不同程度的人口减少，向下接近全省乡镇的平均规模，离散收缩表示原人口规模较小的镇其人口规模持续减少，呈愈来愈弱的趋势。两者均属于人口收缩，是动态变化研究的主要范畴。

1.3.4 人口收缩的空间集聚性分析

利用ArcGIS软件，依据各乡镇人口收缩程度，统计空间分布，再选用聚类与异常值分析工具，将乡镇与其相邻的周边单元形成的局部空间联系划分为5个等级。根据人口收缩的研究目的，重点分析劣势群组（L-L分布区）的区位特征。

1.3.5 相关因子分析

人口收缩的影响因素与机制较为复杂，是非线性、循环累积的过程［3］。龙瀛等［16］利用城市尺度的人口密度变化对人口收缩进行了多维度分类，认为人口收缩与城市级别、经济密度、客运密度、行政区域面积、人口密度、教育资源密度等因素存在显著相关性。本文依据数据的重要性和可获得性，结合研究目的，从行政、产业、社会层面出发，分别选取了乡镇级别、镇区从业人员数、镇区工业总产值、教育设施数、乡镇建成区面积、常住人口基数等6项指标，运用SPSS软件进行Pearson相关性分析。

2 数据来源与处理

2.1 数据来源

研究选用多源数据，包括新数据与传统数据两类（表1）。传统数据来源于《浙江县域统计年鉴2018乡镇卷》《第六次全国人口普查》《省级中心镇数据集》，以统计汇总为主。新数据来源于地理编码、中国人口栅格数据、POI数据，以空间分析处理为主。因国家历史文化名镇的认定工作从2003年开始，考虑保护利用工作的时间滞后性，将人口收缩的计算起始年定为2005年，计算终止年为2015年。

2.2 镇区范围界定

研究立足于省级层面，涉及的乡镇数较多，难以进行微观个案式的镇区空间刻画。本文根据《浙江县域统计年鉴2018乡镇卷》中的乡镇建成区面积统计数据，汇总计算得到浙江省历史文化名镇平均建成区面积为5.23 km2，所有乡镇平均建成区面积为5.33 km2。再根据《中国城市发展报告（2015）》显示的2015年之前的34 a中我国城镇建设用地年均增长率为6.27%，推算得到2005、2015年浙江省历史文化名镇建成区面积均值为3.715 km2，所有乡镇2005、2015年建成区面积均值为3.83 km2。为便于计算，以4 km2作为新数据测定乡镇建成区空间范围，从中提取人口栅格网数据。

2.3 数据处理

2.3.1 新数据

乡镇点数据。研究对象的所有乡镇点数据来自高德地图爬取的地理编码，在获取后导入ArcGIS软件作为空间分析测定的基础数据。

乡镇建成区常住人口基数。根据4 km2的乡镇建成区空间范围，利用常住人口栅格数据集（2005，2015），生成2 km×2 km的新栅格数据集，结合乡镇点空间位置，提取对应的4 km2人口数据。

教育设施POI数据。根据高德地图POI数据，通过ArcGIS按照位置选择工具筛选得到所需乡镇4 km2内的POI，选取其中的教育设施位置信息约20 256万条，经空间求和，得到各乡镇镇区设施数据。

2.3.2 传统数据

乡镇级别。汇总2010年浙江省人民政府办公厅颁布的省级中心镇名单和2012年颁布的增补名单（2012年以后，无新的名单出台），对样本中的省级中心镇赋值为2，其他乡镇赋值为1。

镇区从业人员。因镇区从业人员直接数据缺乏，按

镇区从业人员=镇域从业人员×镇区总人口/镇域总人口

进行转换计算，所需原始数据均来自《浙江县域统计年鉴2018乡镇卷》。

镇区工业总产值，乡镇建成区面积。因2000年以后浙江省乡镇工业逐步向镇区转移，省内全镇工业总产值与镇区工业总产值接近，故用全镇工业总产值代替；所需数据均来自《浙江县域统计年鉴2018乡镇卷》。

3 收缩特征研究

3.1 人口收缩程度

2005年至2015年，浙江省75个历史文化名镇的人口收缩率在0.46～3.28。全省1 854个乡镇的人口收缩率在0.09～6.16，呈明显的正态分布，两极化差异较大，人口收缩与扩张现象并存，整体分布呈橄榄型。

表2为收缩型乡镇人口收缩程度统计结果，可知历史文化名镇在收缩程度上整体与全省乡镇相似，以轻度（50.00%）和中度收缩（43.33%）为主，重度收缩的只有极少量（6.67%）。相较全省有5%的乡镇存在极重度人口收缩，历史文化名镇尚不存在极重度的人口收缩现象。

表2 收缩型乡镇人口收缩程度统计Table 2 Degree of shrinking population in shrinking towns

运用ArcGIS软件，依据各乡镇人口收缩度及所属等级，统计其收缩程度的空间分布（见图2（a）和（b）。结果显示，全省乡镇总体呈“北部东部与中部增长-围绕中部环状下降”的空间格局，中、轻度收缩主要分布在中部地区周边地市。历史文化名镇收缩整体与全省乡镇相近。进一步分析发现，极重度收缩型乡镇大多分布在欠发达地市的主城区附近（如衢州柯城区、金华婺城区）。反观历史文化名镇，因远离市级主城区，不受人口虹吸效应的影响，未发生极重度收缩现象。

图2 浙江省人口收缩程度分布Fig.2 Distribution of population shrinkage degree in Zhejiang historic towns

3.2 人口收缩发生率

依据人口收缩率结果，计算得到历史文化名镇人口收缩发生率为40.00%，略低于全省乡镇人口收缩发生率43.04%，差距较小，如表3所示。从类别看，按保护等级分，发现国家级历史文化名镇的人口收缩发生率（31.82%）低于省级历史文化名镇（43.40%），差距不大；但按产业类型分，发现景区型历史文化名镇（乡镇设有国家、省级旅游景区）人口收缩发生率（16.67%）明显低于非景区型历史文化名镇（42.03%），远低于全省乡镇人口收缩发生率。可见，景区产业的发展可有效预防人口收缩，历史文物保存度带来的荣誉级别与资金支持的差异对人口收缩发生率的降低也有一定影响。

表3 人口收缩发生率统计Table 3 Statistics on the incidence rate of population shrinkage

3.3 人口收缩的动态变化

分别以2005与2015年的全省乡镇镇区人口平均值为参照，针对人口收缩型乡镇进行差异动态变化分类与统计（见图3），结果显示，收缩型历史文化名镇离散收缩占比高（83.3%，25个），即原人口规模小于全省乡镇人口平均值的历史文化名镇，人口收缩发生率高。而收敛收缩占比少（16.7%，5个），说明原人口规模大于全省乡镇人口平均值的历史文化名镇，人口收缩发生率小。这两类的百分比均与全省乡镇样本较为相近（86.4%为离散收缩，13.6%为收敛收缩）。同时，通过比较收敛收缩的空间区位发现，历史文化名镇的收敛收缩多出现在地市交界处，如图4（a）所示，如位于杭州和绍兴交界处的衙前镇、温州和福鼎交界处的矾山镇。而全省乡镇的收敛收缩多出现在欠发达地市的县级以上主城区附近（如衢州柯城区、金华婺城区），如图4（b）所示，与历史文化名镇收敛收缩的分布差异较大。总体而言，人口基数较小的镇和位于地市交界处的人口大镇属人口易流失类型，需重点关注，谨防人口空心化加剧造成的保护发展失活。

图3 收缩型历史文化名镇人口收缩动态变化分析Fig.3 Dynamic change analysis of shrinking population in historic towns

3.4 人口收缩的空间集聚性

表4为人口收缩程度的空间自相关分析，结果显示：

（1）收缩程度空间相关性。历史文化名镇（MoranI=0.22）和全省乡镇（MoranI=0.64）的收缩程度分布均具有显著空间相关性，呈明显的团簇结构，但历史文化名镇人口收缩的空间集聚性相对较弱。

图4 浙江省人口收缩动态变化分布Fig.4 Dynamic change distribution of population shrinkage in Zhejiang’s historic towns

表4 人口收缩程度的空间自相关分析T able 4 Spatial autocorrelation analysis of the degree of population shrinkage

（2）收缩程度空间集聚性。选用ArcGIS聚类与异常值分析工具，将乡镇与其相邻的周边单元形成的局部空间联系划分为5个等级，如图5（a）和（b）所示。发现历史文化名镇存在1个明显的人口扩张优势组群，此优势组群位于杭州湾沿海区域（嘉兴、宁波境内）。同时，存在2个明显的劣势组群（L-L分布区），即人口收缩的集聚区，需要从区域层面重点关注。第1组群位于衢州G3高速路沿线（开化县和常山县境内），属于欠发达地市交通便利地区，人口因区域经济相对落后、局部交通便利出现较强的集中溢出；第2组群位于温州南部的苍南县、泰顺县，属于经济发达地市的交通不便利地区，人口因区域经济较强但局部交通不便利发展相对滞后出现集中溢出。适度的集聚能促进区域历史文化名镇高效应对人口流失，可在劣势组群内投入相关产业、资金政策等共享型资源，最大化经济效益，实现良性循环。

图5 浙江省人口收缩集聚性分析Fig.5 Population shrinkage degree’s cluster analysis of Zhejiang historic towns

4 收缩程度的相关因子分析

研究分别选取了乡镇级别、镇区从业人员数、镇区工业总产值、镇区教育设施数、乡镇建成区面积、镇区常住人口基数等6项指标进行相关性分析。首先，对新数据进行预处理，运用ArcGIS分析测定得到4 km2范围内镇区教育设施数、常住人口基数；然后，根据传统统计数据，计算得到其余5项指标；最后，运用SPSS软件进行统计分析，结果见表5。结果表明：（1）两类样本的人口收缩程度均与乡镇级别无关，可见，是否属于中心乡镇与其收缩程度并无直接关联。（2）全省乡镇的人口收缩程度与镇区工业总产值、教育设施数、常住人口基数3项指标显著正相关，其中与社会层面因素（教育设施数和常住人口基数）有更为紧密的关联。（3）与一般乡镇相似，历史文化名镇人口收缩程度与镇区工业总产值、教育设施数显著正相关。但和一般乡镇不同的是，历史文化名镇人口收缩程度还与镇区从业人员数、乡镇建成区面积有关，与常住人口基数无相关性。可见，教育设施建设、产业发展带给历史文化名镇的人员集聚、经济供给，对降低人口收缩程度有较强的正向影响；增加镇区的就业机会和用地规模，也对降低人口收缩程度产生积极影响。

5 结论与讨论

5.1 主要结论

人口收缩现象是反映历史文化名镇是否具备传承活力的重要依据。本文从人口收缩内涵入手，以浙江省乡镇为参照，探寻历史文化名镇人口收缩特征（程度、发生率、空间分布、动态变化）和相关因素。主要结论有：（1）从收缩发生率看，发展景区产业可有效抑制人口收缩发生率，历史文物良好保存度对收缩发生率的降低也有一定影响；（2）从收缩的动态变化看，在收缩型乡镇中离散收缩占比较高，而收敛收缩占比较低，多出现在地市交界处；这2种人口易失型乡镇需要重点关注，谨防人口空心化加剧造成的保护发展失活。（3）从收缩程度看，浙江历史文化名镇以轻微和中度收缩为主，少量存在重度收缩，因远离市级主城区，不受人口虹吸效应的影响，未发生极重度收缩。（4）从空间集聚性看，浙江省历史文化名镇人口收缩主要集中在欠发达地市交通便利的地区和发达地市交通不便利地区。（5）从相关因子看，历史文化名镇人口收缩与镇区教育设施数、工业总产值、从业人员数、乡镇建成区面积具有显著相关性，与教育设施数和工业总产值关联更为紧密，与常住人口基数和乡镇级别并不相关。

表5 人口收缩程度的相关因子分析Table 5 Population shrinkage degree and its social correlation factors

5.2 对策与建议

总体而言，面临城镇人口收缩的浙江省历史文化名镇可在文化保护、产业发展、区域战略空间部署上与一般乡镇差异化施策，科学抑制人口大幅收缩，为活化古镇提供人口保障。具体可重点强化四方面的响应策略：（1）在历史文化层面，注重历史文物保存度，通过提升保护等级，争取更多的政策和资金补助。（2）在产业层面，大力发展景区旅游产业、兼顾工业，增加就业机会，提升经济水平。（3）在社会层面，注重教育设施的投入，为居民子女就学和成人继续教育提供良好支撑；同时合理扩大建成区面积，为历史文化名镇的保护与发展合理预留用地。（4）在区域层面，重点关注2种人口易流失的类型和2处人口收缩集聚地。2种人口易流失的类型是人口基数较少的小镇和位于地市交接处的人口大镇；2处人口收缩集聚地是衢州G3高速路沿线和温州苍南、泰顺、永嘉地区。可针对具体区域分别投入共享型资源，高效抑制人口大量流失。

5.3 不足与展望

本文仍存在以下不足，有待进一步推进。（1）人口收缩具有空间依赖属性，本研究虽然从省级层面展开，但因涉及的乡镇数多，难以对建成区范围进行微观个案式精准刻画。用乡镇平均建成区面积进行计算，存在一定误差。（2）因全省乡镇镇区人口数据搜集较难，本文依据我国城镇建设用地的年均增长率推算2005、2015年浙江省所有乡镇和历史文化名镇的建成区面积，忽略了城镇建设发展的时空差异性，在一定程度上影响测算结果。（3）人口收缩的合理性是政策制定的前提，但合理范围较为复杂，学术界尚未对收缩合理范围形成科学定论，在后续研究中值得进一步分析探索。