摘要：为了解东北三省2013年—2017年5年之间人口空间变化的动态特征，利用黑龙江省、吉林省、辽宁省地级市人口普查数据，借助ArcGIS、GeoDa空间分析功能，结合地统计学方法，对其人口时空分布进行研究分析。利用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，以便获取数据分布的信息，基于莫兰指数对东北三省人口密度进行自相关分析。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；人口密度自北向南呈现逐渐增加的趋势，表明人口集中在辽宁省附近；利用自然间断点法对2013年和2017年各城市人口密度分区，近5年来，东北三省的人口密度十分不均匀，人们在向发达城市转移，人口密度自南向北急剧减少；通过对东北三省人口莫兰散点图和Lisa聚集图分析显示，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，并且各种因素导致了负增长的情况，揭示了东北三省人口分布的空间规律。
关键词：东北三省；人口；空间分布
1 前言
A.问题提出。人口问题关乎到一个地区各方面的综合发展，因此探究一个地区的人口时空分布和特性十分重要。东北三省作为老工业基地，近年来人口一直呈现负增长的趋势。搜索文献资料发现，并未有针对东北三省近些年人口空间分布格局及其动态变化特征的报道，发表的相关论文多趋向于人口分布的空间变动方面。而利用ArcGIS、GeoDa软件对东北三省人口进行地统计学的相关分析，对其人口的空间分布及演变特征方面的研究却鲜有报道。
B.研究意义。本研究基于ArcGIS、GeoDa地统计学方法，以地级市(包含黑龙江省大兴安岭地区及吉林省延边朝鲜族自治州)作为研究单元，对东北三省2013年—2017年地级市单元的人口、面积和人口密度数据进行分析，以探讨5年间人口空间分布格局及其动态变化特征，为相关部门掌握东北三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。
2 研究区域概况及数据来源
2.1 研究区域概况
东北三省，又称东三省，分别是黑龙江省、吉林省、辽宁省，占地78.73万平方公里，属温带季风气候。从2010年第六次全国人口普查数据的结果可以看出，东三省总人口约1.21亿，约占全国总人口的9%。其中黑龙江省人口总数约为3 831万人，吉林省人口总数约为2 746万人，辽宁省人口总数约为4 375万人。
2.2 数据来源与处理
本研究以东北三省省域单位作为研究尺度，包括了34个市级单位以及黑龙江省大兴安岭地区、吉林省延边朝鲜族自治州作为研究数据，人口与土地面积属性数据来源于《黑龙江统计年鉴》(2014---2018)、《吉林统计年鉴》(2014---2018)、《辽宁统计年鉴》(2014---2018)[1-3]，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
将2013年—2017年东北三省地级市(包括黑龙江省大兴安岭地区、吉林省延边朝鲜族自治州)单元人口数据进行数据分布分析后可以发现，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0.093、0.085、0.029、-0.004、-0.007近似于对称值0，所以能够视为基本服从正态分布。
3.促进学生创造参与策略。通过对基本知识的学习,学生不能满足于一般的学习任务,还要将所学的知识、方法内化,通过迁移、重组创造性的运用到新的体育知识的学习中,从而深化学生对新知识的理解。这是高层次的参与过程，是学生主动参与的最直接，最彻底的方式。实践中，可以通过集体交流,小组总结将个人学习成果贡献给集体享用,同时接受集体的帮助,享受集体学习的成果。
3.合理的收入是影响员工幸福感的基本因子。有实验研究表明，一个国家中最富有的阶层不一定是最幸福的阶层。也就是说，收入水平与幸福感之间并不是直线关系，而是曲线关系。通常来说，当一个人对最基本的温饱问题都得不到满足的时候，那么他不可能感到幸福。因此，一个人在基本需求得到满足之前，会因为收入的逐步提高，其幸福感也会相对得到相应的提升。相反，当一个人的基本需求得到满足，收入的提高却并没有给他带来更大的幸福感，有成衰减的态势，并且工资薪水越高，越明显，有时甚至可以忽略不计。
图12013年
Fig.1In2013
图22014年
Fig.2In2014
图32015年
Fig.3In2015
图42016年
Fig.4In2016
图52017年
Fig.5In2017
3.2 数据趋势分析
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[4]。以2017年的东北三省地级市(包括黑龙江省大兴安岭地区、吉林省延边朝鲜族自治州)行政单元(X，Y，Z)为空间坐标，其中，X轴和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6所示。
图62017年人口密度数据趋势分析
Fig.6Trendanalysisofpopulationdensitydatain2017
结果表明，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南向北由密集变疏松，说明人口密集区域在东三省的南部，即辽宁地区，而相对的，黑龙江省与吉林省的人口较为疏松。东西方向(即X轴延伸方向)也呈弧形曲线，但是人口密度在东西方向的特征并未表现得像南北方向那么明显，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，可以看出人口主要集中在中部与西部地区，东部地区人口密度较为稀疏。
4 人口密度空间分布格局
4.1 人口密度分区
结合莫兰散点图与地图可以得出如下结论：
表1黑龙江省人口密度分区统计
Tab.1StatisticsofpopulationdensityzoninginHeilongjiangProvince
级别人口密度类型区人口密度值(人/km2)2013年市级/个人口/万人口比重面积比重1人口密集区>31662 833.4726.45%8.21%2人口中等区188～31671 685.0215.73%8.58%3人口较稀区77～188144 776.8744.59%41.72%4人口稀少区<7791 416.313.22%41.48%
表2黑龙江省人口密度分区统计(续)
Tab.2StatisticsofpopulationdensityzoninginHeilongjiangProvince(continued)
级别人口密度类型区人口密度值(人/km2)2017年市级/个人口/万人口比重面积比重1人口密集区>31672 962.228.45%8.73%2人口中等区188～31661 516.114.56%8.06%3人口较稀区77～188134 361.141.88%37.65%4人口稀少区<77101 573.515.11%45.56%
根据上述对2013年—2017年黑龙江省县域人口的密度分析，采用Moran散点图和LISA聚集图(图8～10)进行分析。根据莫兰指数计算得出的图像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。根据图8、图9可以看出，2013年—2017年黑龙江省各县级行政区人口的聚集类型比较稳定，空间的关联模型以高高聚集(HH)、低低聚集(LL)和不显著聚集为主。这3个类型聚集的东北三省基本上维持着稳定的状态。2013年高高聚集类型中的市级行政区主要分布在辽宁省附近(围绕着省会沈阳)。随着时间的推移，截止到2017年，该种类型的市级行政区依旧分布在辽宁省附近。同样，处在低低包围类型的县市主要集中在黑龙江省附近，而这一现象也与黑龙江省的地理环境息息相关。黑龙江省地处中国最北端，由于气候原因导致人口密度较低，呈现出低低的聚集类型。而有很多地区则呈现不显著聚集的特点，有很多区域在坐标轴原点附近，这些城市基本都在吉林省附近，究其原因是因为东北三省的人口分布格局为自南向北人口由密集到稀疏，而吉林省更像是从南到北人口的过渡阶段，西部和东部则没有显著的人口分布情况而是较为分散。另外值得注意的是，第一象限的县市坐标在不断远离坐标轴，可以看出东北三省的人口正在逐渐向省会和大型城市转移。
砂石会在雨水箱涵土方回填施工中用到，将水洒在每层砂石上并进行适当碾压，最后将其夯实，并对每一层砂石的实际厚度进行合理控制保证其与施工标准相符合。尤其注意夯实雨水箱涵的墙边位置和涵侧及相关细节问题，从而使土方回填工作的质量得到保证。
B.从地形上。结合东北三省的遥感卫星图不难发现(图11)，地区环境主要表现为山地边境人口呈现零散分布，地处平原内地的人口呈现集聚分布。从动态角度来看， 两大平原人口一直处于聚集的状态，但聚集速度在逐渐变慢。东北地区平原的人口远多于山区和丘陵地区，三江平原、辽河平原、松嫩平原是人口的主要集聚地。丘陵地区为人口较稀疏的地区，该地区低山、丘陵及山间盆地的地形是导致人口稀疏的主要原因。
图7东三省人口密度分区图
Fig.7Populationdensityzoningmapofeasternthreeprovinces
4.2 全局空间自相关分析
由于要讨论东北三省2013年—2017年5年之间人口空间变化的动态特征，本研究采用了莫兰指数的聚类分析来探讨人口密度在空间上的特征，莫兰指数的计算公式为：
邀请3位专家给出杭州市运河引配水系统指标体系（表1）中各个因子的两两判断矩阵，计算各因子主观权重及相应的专家自身权重，融合得到各因子权重。
采用模拟降雨实验，选用两种护坡形式研究了植生混凝土截留表层土、反滤特性及吸附除杂能力，主要的得出以下结论：
根据各县之间邻接关系，本研究利用K均值算法计算全局Moran′s I指数，得到下列结果: 2013年—2017年东北三省人口密度数据的Moran′ I显著不为0，即认为相近区域在人口密度属性上具有相似性。同时Moran′ I大于0，表现出黑龙江省的人口空间分布整体具有显著的、较强的正自相关关系，而非随机分布，呈现出了较为明显的空间集聚模式——高人口密度的市级行政区与高人口密度的市级行政区位置较接近，低人口密度的市级行政区与低人口密度的市级行政区位置较接近。同时，根据计算得到的数据可以看出，2016年Moran′s I指数值最高，2013年Moran′s I指数值最低。整体比较可以看出，在5年内黑龙江省的人口密集聚集程度在一定范围内波动，人口从低聚集区域向高聚集区域缓慢流动。2013年—2017年人口密度的Moran′s I统计量，如表3所示。
表32013年—2017年人口密度的Moran′sI统计量
Tab.3Moran′sIstatisticsofpopulationdensityfrom2013to2017
年份2013年2014年2015年2016年2017年Moran′ I0.516 6030.518 3180.520 4720.521 1180.517 492
4.3 局部空间自相关分析
根据2013年及2017年的人口密度分区统计表，利用ArcGIS作出人口密度分区图(图7)。通过图像和表格可以看出：A.东北三省的人口密度十分不均匀，人口密度自南向北急剧减少，辽宁省的大部分地级市人口密度均达到了300人/ km2，远远大于吉林省与黑龙江省。人口集中区除长春市以外，全部为辽宁省的地级市。同时，人口稀少区大部分为黑龙江省的地级市，由此也可以看出，东北三省人口密度与南北地理位置的相关性。B.从各个区域的组成来看，5年来人口密度分区的变化不大，人们在向发达城市转移。根据数据可以明显看出，沈阳市、盘锦市、大连市等地级市的人口密度逐年上升，而人口发达的地区也正是经济发达的地区。C.从整体来看，东北三省人口5年来出现负增长。根据人口统计，东北三省2013年总人口为10 711.66万人，2017年总人口为10 412.91万人，锐减了298.75万人。人口大量流失有很多原因，其中最主要的因素为经济发展较为落后，造成了大量人才向南方流动，再加上就业环境、生活环境、法制环境的因素，造成东北三省人口出现负增长的局面。
图82013年、2014年、2015年人口密度Moran散点图
Fig.8Moranscatterplotsofpopulationdensityin2013,2014and2015
图92016年、2017年人口密度Moran散点图
Fig.9Moranscatterplotsofpopulationdensityin2016and2017
图102017年人口密度Lisa聚集图
Fig.10PopulationdensityLisaclustermapof2017
本研究利用自然间断点法(Jenks)将各个地级市的人口密度分为了4个等级：第一级人口密集区：>316人/km2；第二级中等区：188～316人/km2；第三级较稀区：77～188人/km2；第四级稀少区：<77人/km2。根据统计的人口密度将东北三省划分为四个等级，划分结果如表1、表2所示。
式中，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。
A.从地理位置上。东北三省的人口分布不均匀，集中区域为辽宁省的中部，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，而在东西方向，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关联。由于黑龙江省是高纬度地区，其北方地区较为寒冷，造成了人口分布偏向南方。
实践证明，社会是个大讲堂，导游专业学生的职业能力培养要有相当的实践经历，要经过良好条件下的反复训练，而且，有很多不能在书本上表达的经验，必须要经过现场体会，揣摩，不是讲师通过口授和演示所能表达出来的。所以，学校要把讲堂延伸到更真实、更贴近社会的地方，在一些景点建立实力基地，或者实行校企合作，只用企业提供的场地和设施，邀请有丰富经验的资深导游到现场讲解。或者跟一些旅行社进行深度合作，包括跟团实习，跟着有经验的导游学习等，形成产学结合的方式，更有效地培养职业导游人才。
C.从城市分布上。在全省34个市级单位(包括黑龙江省大兴安岭地区、吉林省延边朝鲜族自治州)中，城镇人口分布不平衡。人口密度最大的区域为沈阳市及其周围地区，其次为长春市附近地区。横向对比人口密度变化，可以发现，辽宁省城市人口密度变化“两极化”现象较为明显，而吉林省和黑龙江省人口密度变化相对比较平稳。
D.从时间跨度上。将数据逐年比较可以发现，人口在刚开始时有略微增长现象，但之后出现了负增长，可见东北三省的人口流失现象十分严重，其中，黑龙江省的人口流失始终最严重，其次为吉林，这与黑龙江省经济同其他南方省份相比增长缓慢、就业机会少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，近5年黑龙江省的经济运行符合预期，社会事业不断发展进步，但相对于其他省份仍有不足。并且，东北三省人口流失过程伴随着人才大量流失，人才集聚水平偏低[5]，这也导致了黑龙江省人才和人口流失问题。
图11东北三省卫星图
Fig.11Satellitemapsofthreenortheasternprovinces
5 结论与讨论
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，初步实现了东北三省2013年—2017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探索和改良奠定了基础。通过此研究探索所得结论如下：
A.数据探索性分析发现2012年—2016年5年人口密度数据，经对数变化后，基本符合正态分布。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，南北方向(即Y轴延伸方向)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南向北由密集变疏松。东西方向(即X轴延伸方向)也呈弧形曲线，但人口密度在东西方向的特征并未表现得像南北方向那么明显，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。
B.利用自然间断点法对2013年和2017年各城市人口密度分区。近5年来，东北三省城市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。东北三省的人口密度十分不均匀，人们在向发达城市转移，人口密度自南向北急剧减少。辽宁省大部分地级市人口密度均达到了300人/km2，远远大于吉林省与黑龙江省。并且，东北三省人口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。
C.通过对东北三省人口莫兰散点图和Lisa聚集图分析显示，东北三省各市级行政区人口的聚集类型比较稳定，空间的关联模型以高高聚集(HH)、低低聚集(LL)和不显著聚集为主。并且可得出如下结论：a.从地形上看，结合东北三省遥感卫星图不难发现，山地边境人口呈现零散分布，地处平原内地的人口呈现集聚分布。b.在全省34个市级单位(包括黑龙江省大兴安岭地区、吉林省延边朝鲜族自治州)中，城镇人口分布不平衡。c.从时间跨度来看，人口在刚开始时有略微增长现象，但之后出现了负增长，人口流失现象十分严重，这也较好地反映了东北三省人口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。
参考文献：
[1] 黑龙江统计局.黑龙江统计年鉴2014-2018[M].北京：中国统计出版社.
[2] 吉林统计局.吉林统计年鉴2014-2018[M].北京：中国统计出版社.
[3] 辽宁统计局.辽宁统计年鉴2014-2018[M].北京：中国统计出版社.
[4] 张锦宗，朱瑜馨，李生明.ArcGIS地统计分析在甘肃省人口空间分布研究中的应用[J].西北人口，2010，31(03):91-94.
[5] 金凤君，王姣娥，杨宇，等.东北地区创新发展的突破路径与对策研究[J].地理科学，2016， 36 (09) :1285-1292.
Studyonthespatialdistributionofpopulationinthethreenortheasternprovinces
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 between the three provinces of Northeast China from 2013 to 2017, the census data of Heilongjiang Province, Jilin Province and Liaoning Province were used to analyze the functions of ArcGIS and GeoDa space, combined with geostatistics. To study and analyze the spatial and temporal distribution of its population. Data trend analysis and other methods are used to analyze the normal distribution of population density data in order to obtain the information of data distribution. Based on the Moran index, the autocorrelation analysis is carried out on the population density of the three northeastern provinces. The results show that the spatial distribution of population density in the past five years has basically followed the normal distribution and the spatial autocorrelation after logarithmic transformation; the population density trend has gradually increased from north to south, indicating that the population is concentrated in the vicinity of Liaoning Province; The natural discontinuity method divides the population density of each city in 2013 and 2017. In the past five years, the population density of the three northeastern provinces has been very uneven, the people are moving to developed cities, and the population density has decreased sharply from south to north. The analysis of the Moran scatter plot and the Lisa cluster map of the three provinces shows that the population in the plain is densely populated, the border population is sparse, the urban population is unevenly distributed, and various factors have led to negative growth, revealing the space for population distribution in Heilongjiang Province.
Keywords: Three northeastern provinces; Population; Spatial distribution
中图分类号：C924.24
文献标志码：A
文章编号：1674-8646(2019)14-0154-05
收稿日期：2019-04-17
标签：人口论文; 人口密度论文; 黑龙江省论文; 空间论文; 吉林省论文; 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14期论文; 中国地质大学(北京)信息工程学院论文;