摘要：为了解黑龙江省近5年间人口空间变化的动态特征，利用黑龙江省各县级行政单元人口普查数据，以ArcGIS 、GeoDa空间分析功能为依托，结合地统计学的方法，对其人口时空分布进行研究分析。借助数据趋势分析等方法对人口密度数据进行正态分布探索分析，以获取数据分布信息。比较各种克里金插值的优劣，并基于普通克里金(高斯函数)对黑龙江省人口密度进行插值分析。结果表明，近5年间人口密度的空间分布经对数变换后基本符合正态分布且空间自相关性较强；人口密度趋势自西向东呈先升后降的趋势，自北向南呈逐渐增加的趋势，表明人口集中在中部西偏南位置；基于人口密度分区表明5年来人口中等区以及人口稀少区的变化不大，人口在向发达市县转移，并且黑龙江省人口5年来出现负增长。通过对黑龙江省人口密度普通克里金插值图分析显示，地处平原内地人口密集，山地边境人口稀疏，城镇人口分布不平衡，出现了负增长的情况，揭示了黑龙江省人口分布的空间规律。
关键词：ArcGIS；黑龙江省人口空间分布；克里金；地统计学；莫兰指数
1 引言
1.1 问题提出
人口问题是关乎经济社会发展的根本问题。经济社会发展首先取决和依赖于人的自身发展，最终又是为了实现人们的全面发展。黑龙江省第六次全国人口普查数据表明，随着经济的快速增长，全省人口数量、质量及结构等方面均发生了根本性的变化，人口再生产类型实现了历史性的转变，而搜索文献资料发现，并未有近些年针对黑龙江省人口空间分布格局及其动态变化特征的文献，而是多趋向于人口分布空间变动方面。利用ArcGIS、GeoDa软件对黑龙江省人口进行地统计学相关分析、对黑龙江省人口空间分布和演变特征方面的研究鲜有报道。
1.2 研究意义
本研究基于ArcGIS、GeoDa地统计学方法，以县级作为研究单元，对黑龙江省2012—2016年县级单元的人口、面积和人口密度数据进行了分析，以探讨5年间人口空间分布格局及其动态变化特征，为相关部门掌握黑龙江省人口空间变化的动态特征，对人口合理化布局，使人口、资源、经济协调发展，指导区域经济社会发展具有重大的现实意义。
早期佛教绘画与武氏祠画像石叙事性绘画构图形式比较…………………………………………………………聂 涛（3.58）
2 研究区域概况及数据来源
2.1 研究区域概况
黑龙江省简称黑，中华人民共和国省级行政区，位于中国东北部，是中国位置最东、最北，纬度最高的省份。西起东经121°11′，东至东经135°05′，南起北纬43°26′，北至北纬53°33′，东西跨14个经度，南北跨10个纬度。全省土地总面积47.3万km2(含加格达奇和松岭区)，居全国第6位，边境线长2 981.26 km。
根据全省2010年第六次全国人口普查数据结果表明，2010年11月1日全省常住总人口(以下简称总人口)3 831万人，占全国总人口的2.86%，总量居全国31个省(直辖市、自治区)的第15位。历次人口普查数据比较可以看出，1982年第三次人口普查以前全省人口增长速度较快。1990—2000年全省人口普查期间人口增长速度较缓慢，尤其是2000年之后人口增长速度最为缓慢，年均增长速度为0.38%，低于全国同期(0.57%)增长速度。
2.2 数据来源与处理
本研究以黑龙江省域单位作为研究尺度，包括了12个市级单位以及69个县级单位，共计81个县级单元作为研究数据。人口与土地面积属性数据来源于《黑龙江统计年鉴2013》、《黑龙江统计年鉴2014》、《黑龙江统计年鉴2015》、《黑龙江统计年鉴2016》、《黑龙江统计年鉴2017》，空间数据来源于2010年全国行政区划图，并将数据进行合并，统计出人口密度(人/km2)数据。
3 探索性数据分析
3.1 数据分布分析
结果表明，东西方向(即X轴延伸方向)为弧形曲线，表明人口密度在自西向东方向上呈现先略微上升后下降的趋势，人口主要集中在中西部地区。南北方向(即Y轴延伸方向)均近似一条有一定弧度的曲线，表明人口密度的空间分布格局呈较为明显的自北向南逐渐变大的趋势，表明人口主要集中在中南部地区。
图1 2012年
Fig.1 In 2012
图2 2013年
Fig.2 In 2013
图3 2014年
Fig.3 In 2014
图4 2015年
Fig.4 In 2015
图5 2016年
Fig.5 In 2016
3.2 数据平稳性检验
图14～17分别利用泛克里金法、球面模型普通克里金插值法、指数模型普通克里金插值法、高斯模型普通克里金插值法对2012年黑龙江省人口密度进行分析。
图6减法运算后的图
Fig.6 Graph after subtraction
3.3 空间自相关性检验
根据资料，一般把人口密度分成四个等级：第一级人口密集区>100人/km2；第二级中等区25～100人/ km2；第三级稀少区1～25人/km2；第四级极稀区<1人/km2。根据统计的人口密度将黑龙江省划分为四个等级，划分结果如表6所示。
(1)
通过5种拟合结果及检验可知(表1～5)指数函数的标准平均值最接近于0，但是标准均方根不接近于1，所以舍弃。而高斯函数模型与稳定模型的标准平均值相对于其他函数模型更接近于1，标准均方根相比较来说也更接近于1，故此，利用普通克里金插值方法高斯模型为拟合检验所得的最佳模型。
图7向geoda中加入数据
Fig.7 Adding data to geoda
图8计算莫兰指数
Fig.8 Calculation of Moran index
3.4 数据趋势分析
治疗12个月后，观察组10例复发，复发率为15.6%；对照组20例复发，复发率为31.25%。两组复发率比较差异有统计学意义（χ2=4.178，P=0.041）。
图9 2012年
Fig.9 In 2012
图10 2013年
Fig.10 In 2013
图11 2014年
Fig.11 In 2014
图12 2015年
Fig.12 In 2015
图13 2016年
Fig.13 In 2016
根据对已建立的2012—2016年黑龙江省县级单元人口数据进行数据分布分析发现，经过对数变换后(图1～5)新的平均值均约等于中位数，偏度系数0.678、0.6915、0.809、0.796、0.792略大于对称值0，所以可视为基本服从正态分布。
3.5 函数模型最优拟合
地统计学变异函数理论模型参数及数值是对变量的变异性特征和空间相关性的描述，反映了模型拟合的优劣性。运用半变异函数对区域化变量进行空间变异分析有两个前提：A. 变量或变量的转化值必须符合正态分布。B.偏度系数(Skewness)在-1～1之间。从前面数据分布分析中对2000年及2010年人口密度数据经过对数变换后的新变量近似正态分布，且偏度系数分别为0.678、0.6915、0.809、0.796、0.792，满足区间(-1，1)。并且因为人口分布空间自相关性较强，符合各向异性。采用简单克里格插值法(稳定的)、普通克里金插值法的高斯模型、球面模型、指数模型、稳定模型5种模型分别进行人口空间分布的最优估计来进行变异分析和最优拟合分析，以选出最适合的克里金插值方法。
其中zi是要素i的属性与其平均值的偏差,wi,j是要素i和j之间的空间权重,n等于要素总数,S0是所有空间权重的聚合。
表1简单克里金插值(稳定的)
Tab.1 Simple Kriging interpolation(stability)
年份标准平均值(Mean)标准均方根(RMSS)20120.1440.905520130.1420.890020140.16690.7684520150.16570.755620160.16900.7607
表2普通克里金插值(稳定的)
Tab.2 General Kriging interpolation(stability)
年份标准平均值(Mean)标准均方根(RMSS)20120.01470.896720130.019480.895520140.02020.8913320150.01870.914320160.019180.8996
表3普通克里金插值(指数函数)
Tab.3 General Kriging interpolation(exponential function)
年份标准平均值(Mean)标准均方根(RMSS)20120.00415760.584820130.00390.613520140.00350.59720150.002590.600120160.00270.5982
表4普通克里金插值(球面函数)
Tab.4 General Kriging interpolation(spherical functions)
年份标准平均值(Mean)标准均方根(RMSS)20120.02180.879620130.02650.895420140.02640.895820150.02160.892920160.02120.8987
表5普通克里金插值(高斯函数)
Tab.5 General Kriging interpolation(Gauss function)
年份标准平均值(Mean)标准均方根(RMSS)20120.014720.896720130.019480.895520140.02020.8913320150.01870.9143420160.019180.89968
重复的观点是经典统计学的理论基础，从大量重复的观察中可进行预测和估计，并可了解估计的变化性和不确定性，因此对数据进行平稳性检验十分重要。将集贤县、绥滨县、克东县、梅里斯达斡尔族区、方正县、勃利县6个县的点数据删掉并对其进行克里金插值，对其插值图与未删数据的插值图进行减法运算，得到的减法图如图6所示，其中黄色的数据为0，经过减法运算后发现删除点后的插值图与原图差别不大，因此符合平稳性假设。
图14 2012泛克里金插值
Fig.14 Kriging interpolation in 2012
图15 2012球面模型普通克里金插值
Fig.15 Spherical model general Kriging interpolation in 2012
图16 2012指数模型普通克里金插值
Fig.16 Exponential model general Kriging interpolation in 2012
图17 2012高斯模型普通克里金插值
Fig.17 2012 Gauss model general Kriging interpolation in 2012
4 人口密度空间分布格局
4.1 人口密度分区
利用GeoDa软件对统计的人口密度进行空间自相关性分析，计算其Moran'I得出图7和图8结果。莫兰指数越接近于1，自相关性系数越高。计算后其指数为0.973 173，十分接近于1，所以可认为人口密度的空间自相关性较高。莫兰指数的计算公式为：
表6黑龙江省人口密度分区统计
Tab.6 Statistics of population density zoning in Heilongjiang Province
级别人口密度类型区人口密度值(人/km2)2012年县级/个人口/万人口比重面积比重1人口密集区>1001100.663.4%1.5%2人口中等区25-100532481.1985.51%70.85%3人口稀少区1-2522319.7011.01%29.14%4人口极稀区<10000
表6黑龙江省人口密度分区统计(续)
Tab.6 Statistics of population density zoning in Heilongjiang Province(continued)
级别人口密度类型区人口密度值(人/km2)2017年县级/个人口/万人口比重面积比重1人口密集区>10000002人口中等区25-100512372.6885.44%67.62%3人口稀少区1-2525404.2714.55%32.38%4人口极稀区<10000
根据2012年及2017年的人口密度分区统计表可看出以下三点：第一，黑龙江省人口数量分布相对来说较为均匀，主要集中在人口中等区。第二，5年来人口中等区以及人口稀少区的变化不大，人们在向发达市县转移。根据数据可明显看出，人口中等区的人口密度变化幅度不大，但是面积比重下降，可证明5年来人们正在向人口中等区转移，而人口发达地区也正是经济发达地区。第三，黑龙江省人口5年来出现负增长。根据人口统计，2012年黑龙江省总人口为3 834万人，2017年总人口为3 789万人，减少了45万人口。人口大量流失有很多原因，其中最主要的因素就是经济发展较为落后，造成了大量人才向南方流动，再加上就业环境、生活环境等因素造成黑龙江省人口出现负增长形势。
地统计学空间数据趋势特征表现在它能够量化和描述空间区域中地理现象的变化程度和方向变异性。以黑龙江省各县级行政单元(X，Y，Z)为空间坐标，其中，X轴Y轴分别代表人口密度空间分布所延伸的方向，Z轴则代表每一个人口密度数据点的高低属性对应值和空间位置，结果如图9～13所示。
嘉善县出台了《嘉善县“标准地”改革实施方案（试行）》，在完成区域评价的基础上，配合制定建设规划、能耗、环境、投资强度和亩均产出等一系列标准纳入土地出让条件，对新增工业用地全部实行“标准地”招拍挂出让。明确了出让地块的固定资产投资强度、亩均产出、亩均税收、容积率以及单位增加值能耗排放增加值等指标标准。企业竞得土地后，按公告标准与属地政府签订《企业投资工业项目“标准地”投资建设协议》后“按标实施”，切实提升土地利用水平。
4.2 人口密度克里金插值图与特征
根据上述对2012—2016年黑龙江省县域人口密度变异函数拟合结果及检验可知，采用泛克里金插值法进行插值，之后按掩膜提取出来2012—2016年黑龙江省的人口密度克里金插值图。由图18～22可了解其人口分布的空间格局变化、数量增减差异性和解释其分布规律性。
图18 2012克里金插值
Fig.18 Kriging interpolation in 2012
图19 2013克里金插值
Fig.19 Kriging interpolation in 2013
图20 2014克里金插值
Fig.20 Kriging interpolation in 2014
图21 2015克里金插值
Fig.21 Kriging interpolation in 2015
图22 2016克里金插值
Fig.22 Kriging interpolation in 2016
A.地理位置。黑龙江省的人口分布不均匀，集中区域为黑龙江省的西南地区且人口呈现中心扩散形式。在南北方向，人口呈现自北向南逐渐递增的分布格局。在东西方向，人口分布并没有存在较大差异。造成这种人口分布格局的原因与城市经济的发展以及纬度有着很大的关联。由于黑龙江省是高纬度地区，黑龙江省北方地区较为寒冷，造成了人口分布偏向南方。而且由于省会哈尔滨的位置，造成了人口分布集中在南偏西附近。B.地形。结合黑龙江省遥感卫星图不难发现，从地域环境来看，主要表现为地处平原内地人口密集，山地边境人口稀疏。黑龙江省两大平原是人口最稠密的地区。松嫩平原位于大小兴安岭之间, 优越的自然环境为人们生产生活提供了良好的条件，是人口密度较高且不断提升的地区，也是人口不断集聚的地区。位于黑龙江、松花江、乌苏里江汇合处的三江平原人口密度仅次于松嫩平原。从动态角度来看，两大平原人口一直处于聚集过程，但聚集速度在逐渐减缓。中南部山地丘陵地区是人口较稀地区，该地区主要由低山、丘陵和山间盆地组成。C.城市分布。在全省13个地级市中，城镇人口分布不平衡。人口密度最大的地方是省会哈尔滨市及其周围地区，其次人口集中区域位于双鸭山市以及七台河市附近地区，而剩余地区的人口密度均较小，没有很大区别。城镇人口比重增加较多的有大庆、黑河和佳木斯三个市，而七台河市、鹤岗市呈减少趋势，这主要是近些年矿产逐年减产等方面的原因所致。伊春市的城镇人口减少主要由于当地经济以林业为主，而近10年木材加工采伐等相关产业在国家宏观调控和生态保护等政策制约下发展缓慢，同时也没有受到较大的工业企业带动影响。D.时间跨度。将2012—2016年的克里金插值逐年比较可发现，人口在刚开始有略微增长现象，但之后出现了负增长，并且人口出现了偏远县城向小城市移动、小城市向大城市移动的情况，这与黑龙江省经济与其他南方城市相比增长缓慢以及就业率等民生问题息息相关。根据2016年黑龙江省国民经济和社会发展统计公报来看，在近5年黑龙江省经济运行符合预期，社会事业不断发展进步，但相对于其他省份来说仍有不足，这也造成了黑龙江省人才和人口流失现象。
对于动物体的标记方法有： ①注射法。即利用针管等，将示踪剂直接注射入机体内。②口服法。通过进食、饮水、胃管或投丸等途径引入。③涂布渗入法。清除动物部分皮毛，将示踪剂涂抹于脱毛处。④吸入法。将挥发性示踪剂装入密闭系统，通过呼吸作用吸入动物体内。
5 结论与讨论
本研究借助ArcGIS和GeoDa地统计学分析方法及其强大的空间制图分析功能，初步实现了黑龙江省2012—2016年人口密度空间化研究，使人口密度空间化表达更具直观性和深刻性，为人口模拟研究方法的探索和改良奠定了基础。通过此研究探索所得结论为：A.数据探索性分析发现，2012—2016年5年人口密度数据，经对数变化后，基本符合正态分布，通过平稳性检验发现数据平稳性较好，利用GeoDa软件计算莫兰指数发现数据空间自相关性较强。通过数据趋势图分析可得，东西方向呈弧形曲线，表明人口密度在自西向东方向上呈先略微上升后下降的趋势，人口主要集中在中西部地区。南北方向均近似一条有一定弧度的曲线，表明人口密度的空间分布格局呈较为明显的自北向南逐渐变大的趋势，表明人口主要集中在中南部地区。B.分别采用简单克里格插值法(稳定的)、普通克里金插值法的高斯模型、球面模型、指数模型、稳定模型5种模型对人口空间分布的最优估计进行变异分析和最优拟合分析。通过分析可知，普通克里金法高斯模型的标准平均值(Mean)接近于0，标准均方根(RMSS)最接近于1，为黑龙江省2012—2016年县域对数人口密度空间分布的最优拟合模型。C.基于2012年和2017年的人口密度分区表明，近5年来，黑龙江省县域人口密度分布等级区域范围、人口和面积比重等存在不同程度的变化特征。黑龙江省人口数量分布相对来说较为均匀，主要集中在人口中等区。同时，5年来人口中等区以及人口稀少区的变化不大，人们在向发达市县转移。并且黑龙江省人口5年来出现负增长，这与经济、政策、交通等社会环境条件相关，也与自然环境条件紧密相连。D.通过对黑龙江省人口密度普通克里金插值图分析显示，可得出如下结论：第一，结合黑龙江省遥感卫星图不难发现，从地域环境来看，主要表现为地处平原内地人口密集，山地边境人口稀疏。第二，从城市分布上，在全省13个地级市中，城镇人口分布不平衡。人口密度最大的地方是省会哈尔滨市及其周围地区，其次人口集中区域位于双鸭山市及七台河市附近地区，而剩余地区的人口密度均较小，没有很大的区别。第三，从时间跨度来看，将2012—2016年的克里金插值逐年比较可以发现，人口在刚开始有略微增长现象，但是之后出现了负增长，并且人口出现了偏远县城向小城市移动、小城市向大城市移动的情况。这也较好地反映了黑龙江省人口的空间分布不均衡性日渐凸显，人口出现负增长和解释了其人口分布的空间规律性。
2.4.3 心悸，胸闷，支气管痉挛性呼吸困难 本组患者中有23例出现心慌，胸闷，气促，遵医嘱给予抗过敏治疗，同时护理人员应做好患者的吸氧护理，向患者和家属说明吸氧的治疗意义，特别说明未经护理人员允许不得擅自停用及调节氧气，保持吸氧管及呼吸道通畅，监测吸氧疗效和生命体征。23例患者中有2例患者出现腹痛、呕吐，呕吐物均为胃内容物，遵医嘱给予西咪替丁300 mg静脉推注，与患者谈心，分散其注意力并为患者备好深色容物袋。
参考文献：
[1] 魏康洪，陈晓平，殷亮. 基于GIS的云南省人口空间分布研究[J]. 绵阳师范学院学报，2016，35(11)：96-105.
[2] 董立峰，王林林，邵金花.近20年来山东省人口分布空间格局及其演变特征分析[J].国土与自然资源研究，2012 ，(03)：11-13.
AnalysisofspatialdistributionofpopulationinHeilongjiangProvincebasedonArcGIS
GAO Jian-feng
(China University of Geosciences (Beijing), School of Information Engineering, Beijing 100083, China)
Abstract: In order to understand the dynamic characteristics of population spatial changes in recent five years, the census data of Heilongjiang Province were used to analyze spatial-temporal distribution the of its population, based on spatial functions of ArcGIS and GeoDa, and combined with geostatistics. Data trend analysis and other methods are adopted to analyze the normal distribution of population density data in order to obtain the information of data distribution. Based on General Kriging(Gaussian Function), the interpolation analysis is carried out on the population density of the province. The results show that the spatial distribution of population density in the past five years has basically followed the normal distribution after logarithmic transformation, with strong spatial autocorrelation. The population density has gradually increased from north to south, and increased and then decreased from west to east, indicating that the population is concentrated in central west by south. Zoning of population density shows that in the past five years, there are little population changes in the medium and low zone of density, with population moving to advanced cities and counties and being negative growth. The analysis of General Kriging interpolation shows that the population in the plain is densely populated, the border mountainous population is sparse, and the urban population is unevenly distributed with negative growth, revealing spacial distribution for population in Heilongjiang Province.
Keywords: ArcGIS; Spatial distribution of population in Heilongjiang Province; Kriging; Geostatistics; Moran index
中图分类号：C924
文献标志码：A
文章编号：1674-8646(2019)18-0158-07
收稿日期：2019-06-28
标签：人口论文; 黑龙江省论文; 克里论文; 人口密度论文; 插值论文; 社会科学总论论文; 人口学论文; 世界各国人口调查及其研究论文; 《黑龙江科学》2019年第18期论文; 中国地质大学(北京)信息工程学院论文;