-
中國人口密度
鎖定
- 中文名
- 中國人口密度
- 外文名
- China's population density
中國人口密度發展過程
從70年代初開始,我國政府為緩解人口增長過快對就業、住房、交通、醫療等方面造成的壓力,決定實行計劃生育、控制人口增長的政策。這一政策實施後,人口出生率逐年下降。到2019年,我國人口年增長率已下降到0.36%,在世界各國家和地區中排名第168位,遠低於世界平均水平。
[2]
人口分佈特點
到2000—2010年,我國人口依然集中在胡煥庸提出的“璦琿-騰衝”線以東。總的來看,我國的人口呈現多中心的空間集聚格局,華北平原、長江三角洲、珠江三角洲、四川盆地和關中平原是主要的人口密集區,人口密度在500人/km2以上,其中長江三角洲的寧滬杭甬Z字形核心區、廣佛深為核心的珠江口兩翼、京津石沿線、成渝附近以及東南沿海的温台、廈漳泉、潮汕等則是人口密度高於1000人/km2的高度密集區。
“城鄉二元效應”和“核心外圍效應”作用下的人口流動空間
2000年以來的中國常住人口流動呈現兩方面的顯著特徵(圖4)。首先,在人口密集、人口自然增長率較低的中東部地區,呈現出鄉鎮向街道流動的“城鄉二元效應”,以及欠發達的城市羣外圍區向經濟發達的城市羣核心區流動的“核心外圍效應”。前者體現在部分中心城市的人口增長尤其明顯,如京津冀地區、山東和黑龍江;而後者則表現在兩廣北部、蘇北浙南等珠三角、長三角的外圍地區,常住人口密度大多顯著降低。另一方面,新疆、雲南、內蒙和山西的人口密度增加較為明顯,作為少數民族聚集區,新疆和雲南的人口自然增長普遍較高,加之邊境開發和大量外來人口的遷入更加劇了這種趨勢,而內蒙和山西(包括四川南部)等自然資源稟賦較好的省區主要圍繞着工礦業的發展而吸引了大量外來勞動力。值得注意的是,全國形成了兩大明顯的人口流出連綿區,一個是西部的川渝黔連綿區,作為西部最主要的人口密集區,除了成都、重慶、貴陽等少數中心城市的街道外,大部分的鄉鎮單元均呈現常住人口的顯著流出態勢;另一個則是東部的浙西南-閩西連綿區,其人口流出原因較為複雜,這個區域地形以山區為主,人口密度不高,經濟相對不夠發達,容易流向附近經濟更發達的珠三角和長三角,另外也和這個區域長期外出經商的文化傳統有關。
進一步結合表1可以看出2000年以來我國人口密度的再分佈變化非常顯著。在39000餘個鄉鎮街道單元中,人口密度基本未變的僅為17808個,不到50%,而大部分鄉鎮街道單元的人口密度都有所降低或增加,其中約22%的鄉鎮街道人口密度為顯著降低或增加。密度降低的鄉鎮街道單元總計12840個,總面積約173.4萬km2,而密度增加的鄉鎮單元總計8359個,總面積約135.4萬km2,不論數量還是面積,人口密度減少的鄉鎮街道明顯多於人口密度增加的鄉鎮街道。由此可見,2000年以來的我國人口再分佈具有明顯的空間不均衡性和進一步集聚性,在全國人口密度圖上(圖4),呈現出藍色斑塊佔主導,且大部分地區的藍色斑塊具有遮蓋紅色斑塊的趨勢。
2000年以來的我國人口自然增長率逐年下降,2010年第六次人口普查的全國常住人口總量相較10年前僅增長了6%,年均不足6‰,因此鄉鎮街道尺度上的人口密度變化則更多地折射出這10年來我國人口的機械增長再分佈,也即人口的流動空間格局。經典的人口學理論將機械增長引發的密度再分佈原因解釋為“推力”和“拉力”,本質其實是產業結構調整和區域功能調整在職業分佈上的反映,也即經濟因素或產業因素。過去10年城鎮化的快速推進,農村剩餘勞動力湧入就業機會更大的城市,農村出現空心化,反映在空間上就是鄉村人口密度降低,街道人口密度升高的“城鄉二元效應”;同時區域發展落差導致的就業機會差異和收入差異普遍存在於發達的城市羣核心區以及毗鄰這些城市羣但卻相對欠發達的外圍區,這就進一步引發了人口流動的“核心外圍效應”,不發達區域的鄉鎮單元人口密度呈現下降態勢,而城市羣核心區的人口密度整體上升。產業結構的影響突出表現在製造業發達的城市對吸引人口流入具有非常明顯的正相關性,如深圳、蘇州、東莞等,隨着第二產業的郊區化和去東部化,由製造業就業帶動的中心城區人口密度逐漸轉向了郊縣(區)的鄉鎮以及中西部地區,但城市中心區人口密度並未明顯降低,這是因為伴隨城市功能的調整和第三產業的中心區域化,以金融、房地產和交通運輸為代表的生產性服務業成為吸引新一輪人口淨流入增長的行業門類。
人口密度與城鎮化空間格局識別
長期以來,由於我國缺乏對城鎮實體地域的統計劃分,很多涉及城市、都市圈乃至如今的城市羣等城鎮化空間格局的概念時均難得要領,只能泛化使用,不利於城鎮化空間格局研究的開展。縱觀國外對城鎮實體地域的劃分經驗,人口密度無疑是第一要素。
美國關於城鎮範圍的界定:1910年首次提出了大都市區,規定大都市區包括一個10萬人以上的中心城市及周圍10英里以內的地區,或者是雖然超過10英里但卻與中心城市連綿不斷,人口密度達到150人/km2的地區。1980年代提出了大都市統計區,主要根據人口和通勤進行定義。MSA與主要大都市統計區、聯合大都市統計區統稱為大都市區。可以看出,都市區是一個比較明確的概念,指一個大的城市人口核心以及與之有着密切社會經濟聯繫的、具有一體化傾向的鄰接地域的組合。都市區是國際上通用的進行城市統計和城市研究的基本地域單元。
在日本,1960年人口普查提出了人口集中地區,定義是人口 密度達到4000人/km2及以上的基本調查區鄰接,所形成的人口總量達到5000人及以上的區域,其中基本調查區是日本人口普查結果集計的最小單位。同時,日本還提出了“都市圈”的概念,規定都市圈的中心市人口規模須在10萬以上,且外圍地區到中心市的通勤率須在5%以上。其中,大都市圈要求中心市為中央指定城市或人口規模在100萬以上的城市,且鄰近有50萬人以上的城市,外圍地區到中心城市的通勤人口不低於本地人口的15%,大都市間的貨物運輸量不得超過總運輸量的25%。由此可見,日本的都市圈是一個具有綜合功能的特大城市為中心、並以其強大的擴散輻射功能帶動周邊大中小城市發展、從而形成具有一體化特徵的城市功能區。
在我國,週一星等提出了建立中國城市實體地域的概念,包括城市統計區、城鎮統計區和城鎮型居民區,其中城市統計區所設定的標準是2000人/km2(非農水平高的地區為1500人/km2)。宋小冬等利用2000年遙感和人口普查數據,進行過上海3個類型地區城鄉實體地域劃分的探索。
總體上,世界各國都從自身城市發展的實際出發提出多種城鎮實體地域的劃分概念。我國由於缺乏長期可靠的通勤數據,因此筆者僅以兩次人口普查的常住人口密度為基準,嘗試進行不同密度門檻下的中國城鎮化空間格局的基本刻畫,並對其時空演變特徵進行初步分析。
2000與2010年城鎮化空間格局的識別
以鄉鎮街道為基本單元,設定不同等級的人口密度標準,用於識別2000年和2010年我國的城鎮化空間格局,這與週一星等建立城市統計區的近期目標是一致的。首先,設定我國城鎮化地區(或主要城市化地區)的門檻密度。根據我國39000餘個鄉鎮街道單元的計算,2000年人口密度的算術平均值為873人/km2,2010年上升到977人/km2,因此將城鎮化地區的門檻密度設為1000人/km2;其次為城市統計區,採用週一星等提出的2000人/km2的平均密度標準。最後為高密度城鎮化地區,主要參考日本的人口集中地區概念,作為我國高密度城鎮化地區或高密度城鎮連綿區(4000人/km2)的識別依據。
通過如上的人口密度界定,識別出3種不同密度下的中國城鎮化空間格局,且高密度城鎮化地區的範圍是城市統計區的子集,城市統計區則是城鎮化地區的子集。圖5和圖6分別展示了2000和2010年中國城鎮的空間格局。由圖可見,人口密度介於1000~2000人/km2的城鎮化地區,2000-2010年的空間格局基本沒有發生大的變化,主要分佈在各個大中小城市的街道及其附近的鄉鎮單元。相對而言,城市統計區和高密度城鎮化地區都呈現出明顯的空間擴展態勢,2000年的城市統計區主要分佈在珠三角、長三角和中西部省會城市以及其他大城市的街道,如長春、成都、重慶、西安、武漢、南寧等,而2010年進一步向其他東部沿海地區以及大中城市附近的鄉鎮擴展。高密度城鎮化地區在2000年僅侷限在北京、上海、廣州、重慶、瀋陽、武漢、南京、 杭州、西安、成都等巨型城市和大城市的街道單元,基本呈現離散的點狀或斑塊狀,2010年則進一步擴展到大部分的省會城市和大城市的街道單元,在長三角、珠三角開始初步出現高密度人口的集聚區,浙南、閩南和潮汕等東南沿海地區也開始出現明顯的高密度城鎮化地區。
基於人口密度的重點城鎮化地區發育情況判斷
2014年3月16日發佈的《國家新型城鎮化規劃2014-2020》,再次強調了“以城市羣為主體形態”,提出要“發展集聚效率高、輻射作用大、城鎮體系優、功能互補強的城市羣,使之成為支撐全國經濟增長、促進區域協調發展、參與國際競爭合作的重要平台”。鑑於當前對我國城市羣的數量和分佈並未達成一致,筆者僅從人口密度和城鎮化空間格局視角,以2010年《全國主體功能區規劃》中劃定的3個優化開發區域和18個重點開發區域所覆蓋的21個重點城鎮化地區為基礎,利用上文提出的3種城鎮化門檻來初步評估我國重點城鎮化地區的發育情況(圖7)。
總體而言,同為國家新型城鎮化規劃中提出重點建設的我國3個世界級城市羣,長三角、珠三角地區的城鎮化發育水平較高,城鎮化地區已經連綿成帶,高密度城鎮化單元的空間分佈也較為均勻;而京津冀地區的人口密度分佈則主要呈現出圍繞京津兩個巨型都市區的環狀遞減態勢,城鎮化地區的連綿程度相對較低,在京津都市區以外的區域主要呈散點狀分佈,且分佈範圍也明顯小於傳統對京津冀都市圈2+8範圍的界定;在其他18個重點開發的城鎮化區域中,東部沿海的山東半島、遼東半島和中西部的中原經濟區、成渝地區總體人口密度較高,城鎮化地區空間分佈連續性也相對較好,是具有培育潛力成為城市羣的重點城鎮化地區。
結論與啓示
本文利用鄉鎮街道尺度的人口資料,對2000-2010年中國人口密度的時空演變與城鎮化空間格局進行判斷並參照國內外相關研究,基於人口密度視角,提出確定我國城鎮化地區、城市統計區和高密度城鎮化地區的指標,分別為1000、2000和4000人/km2,進而刻畫出相應的城鎮化空間格局。從2000和2010年的城鎮化圖景對比發現,我國城市統計區和高密度城鎮化地區都呈現出明顯的空間擴展態勢。從人口密度和空間分佈角度對我國主要城鎮化地區的發育情況進行評價,發現我國東部3個城市羣中長三角和珠三角的空間發育條件優於京津冀,而東部沿海的山東半島、遼東半島,中西部的中原經濟區和成渝地區具備下一步重點培育的潛力。而對於當前各地正在熱議的其餘10~20個主要城鎮化地區,還需要依靠市場力量的培育和國家規劃的引導,有序發展,以期在未來逐步形成推動國土空間均衡開發的重要增長極。
[1]
中國人口密度人口結構
人口總數:
1,457,934,600 人 (聯合國世界人口展望,2021年)
性別結構:
20-29歲性別比:1.14(男性92,851,220人,女性81,177,650人)
出生性別比: 1.12(男性6,077,158人,女性5,424,779人)
0-14歲性別比: 1.15(男性134,955,470人,女性116,972,420人)
15-64歲性別比: 1.06(男性508,167,360人,女性478,296,740人)
年齡結構:
0-14歲: 17.67%(251,927,890人)
15-59歲: 69.18% (986,464,100人)
60歲或以上:18.07% (257,695,973人)
其中65歲或以上:13.15%(187,501,510人)(內地2021年)
平均:78.2歲
男性:75.5歲
人口增長:
人口增長率:0.04‰(內地2021年)
出生率:7.63‰(內地2021年)
死亡率:7.45‰(內地2021年)
淨遷移率:0.14‰(內地2021年)
嬰兒死亡率:0.57%(內地2021年)
中國人口密度户籍制度
城鄉二元結構
城鄉人口比例的變化
中國人口密度地市密度排名
省級行政區 | 地級行政區 | 人口密度 (人/km²) | 人口 | 面積(km²) | |
1 | 澳門特別行政區 | 澳門特別行政區 | 22,510.560 | 682,070 | 30.3 |
2 | 台灣省 | 台北市 | 9,545.920 | 2,594,581 | 271.8 |
3 | 廣東省 | 深圳市 | 8,782.328 | 17,494,398 | 1,992 |
4 | 香港特別行政區 | 香港特別行政區 | 6,844.940 | 7,413,070 | 1,083 |
5 | 廣東省 | 東莞市 | 4,246.095 | 10,466,625 | 2,465 |
6 | 上海市 | 上海市 | 3,922.235 | 24,870,895 | 6,341 |
7 | 福建省 | 廈門市 | 2,962.691 | 5,163,970 | 1,743 |
8 | 廣東省 | 廣州市 | 2,512.322 | 18,676,605 | 7,434 |
9 | 廣東省 | 中山市 | 2,476.491 | 4,418,060 | 1,784 |
10 | 廣東省 | 佛山市 | 2,468.519 | 9,498,863 | 3,848 |
11 | 廣東省 | 汕頭市 | 2,447.523 | 5,502,031 | 2,248 |
12 | 台灣省 | 新北市 | 2,126.618 | 4,365,947 | 2,053 |
13 | 台灣省 | 桃園市 | 1,999.233 | 2,441,064 | 1,221 |
14 | 四川省 | 成都市 | 1,736.853 | 20,937,757 | 12,055 |
15 | 河南省 | 鄭州市 | 1,665.641 | 12,600,574 | 7,565 |
16 | 江蘇省 | 無錫市 | 1,615.880 | 7,462,135 | 4,618 |
17 | 湖北省 | 武漢市 | 1,451.629 | 12,447,718 | 8,575 |
18 | 廣東省 | 珠海市 | 1,415.073 | 2,439,585 | 1,724 |
19 | 江蘇省 | 南京市 | 1,413.458 | 9,314,685 | 6,590 |
20 | 江蘇省 | 蘇州市 | 1,400.600 | 12,748,262 | 9,102 |
21 | 台灣省 | 台中市 | 1,369.679 | 3,033,840 | 2,215 |
22 | 北京市 | 北京市 | 1,334.050 | 21,893,095 | 16,411 |
23 | 浙江省 | 嘉興市 | 1,328.627 | 5,400,868 | 4,065 |
24 | 海南省 | 海口市 | 1,282.749 | 2,873,358 | 2,240 |
25 | 陝西省 | 西安市 | 1,205.430 | 12,183,280 | 10,107 |
26 | 江蘇省 | 常州市 | 1,199.028 | 5,278,121 | 4,402 |
27 | 天津市 | 天津市 | 1,194.316 | 13,866,009 | 11,610 |
28 | 廣東省 | 揭陽市 | 1,059.213 | 5,577,814 | 5,266 |
29 | 浙江省 | 寧波市 | 1,028.352 | 9,404,283 | 9,145 |
30 | 台灣省 | 高雄市 | 927.502 | 2,734,275 | 2,948 |
31 | 浙江省 | 舟山市 | 925.513 | 1,157,817 | 1,251 |
32 | 山東省 | 濟南市 | 900.522 | 9,202,432 | 10,219 |
33 | 山東省 | 青島市 | 896.938 | 10,071,722 | 11,229 |
34 | 河南省 | 焦作市 | 886.475 | 3,521,078 | 3,972 |
35 | 河南省 | 濮陽市 | 885.259 | 3,772,088 | 4,261 |
36 | 河南省 | 許昌市 | 880.048 | 4,379,998 | 4,977 |
37 | 河南省 | 漯河市 | 878.801 | 2,367,490 | 2,694 |
38 | 江西省 | 南昌市 | 869.476 | 6,255,007 | 7,194 |
39 | 台灣省 | 台南市 | 855.418 | 1,875,076 | 2,192 |
40 | 河北省 | 廊坊市 | 852.033 | 5,464,087 | 6,413 |
41 | 湖南省 | 長沙市 | 850.149 | 10,047,914 | 11,819 |
42 | 山東省 | 棗莊市 | 843.307 | 3,855,601 | 4,572 |
43 | 浙江省 | 温州市 | 829.182 | 9,572,903 | 11,545 |
44 | 安徽省 | 合肥市 | 816.690 | 9,369,881 | 11,473 |
45 | 廣東省 | 潮州市 | 816.398 | 2,568,387 | 3,146 |
46 | 江蘇省 | 鎮江市 | 813.382 | 3,210,418 | 3,947 |
47 | 安徽省 | 阜陽市 | 810.463 | 8,200,264 | 10,118 |
48 | 江蘇省 | 徐州市 | 810.257 | 9,083,790 | 11,211 |
49 | 河北省 | 石家莊市 | 798.400 | 11,235,086 | 14,072 |
50 | 福建省 | 莆田市 | 796.901 | 3,210,714 | 4,029 |
51 | 山東省 | 淄博市 | 788.623 | 4,704,138 | 5,965 |
52 | 江蘇省 | 南通市 | 788.271 | 7,726,635 | 9,802 |
53 | 福建省 | 泉州市 | 784.273 | 8,782,285 | 11,198 |
54 | 河北省 | 邯鄲市 | 781.114 | 9,413,990 | 12,052 |
55 | 江蘇省 | 泰州市 | 778.197 | 4,512,762 | 5,799 |
56 | 河南省 | 開封市 | 771.843 | 4,824,016 | 6,250 |
57 | 山西省 | 太原市 | 768.148 | 5,304,061 | 6,905 |
58 | 河南省 | 周口市 | 754.368 | 9,026,015 | 11,965 |
59 | 河南省 | 新鄉市 | 753.608 | 6,251,929 | 8,296 |
60 | 山東省 | 濟寧市 | 752.015 | 8,357,897 | 11,114 |
61 | 河南省 | 安陽市 | 744.848 | 5,477,614 | 7,354 |
62 | 貴州省 | 貴陽市 | 743.637 | 5,987,018 | 8,051 |
63 | 河南省 | 鶴壁市 | 731.421 | 1,565,973 | 2,141 |
64 | 河南省 | 商丘市 | 729.386 | 7,816,831 | 10,717 |
65 | 山東省 | 菏澤市 | 725.079 | 8,795,939 | 12,131 |
66 | 安徽省 | 淮北市 | 718.027 | 1,970,265 | 2,744 |
67 | 浙江省 | 杭州市 | 709.590 | 11,936,010 | 16,821 |
68 | 山東省 | 泰安市 | 707.370 | 5,472,217 | 7,736 |
69 | 遼寧省 | 瀋陽市 | 704.747 | 9,070,093 | 12,870 |
70 | 山東省 | 聊城市 | 688.665 | 5,952,128 | 8,643 |
71 | 江蘇省 | 揚州市 | 688.167 | 4,559,797 | 6,626 |
72 | 浙江省 | 台州市 | 688.092 | 6,622,888 | 9,625 |
73 | 湖北省 | 鄂州市 | 679.266 | 1,079,353 | 1,589 |
74 | 福建省 | 福州市 | 677.834 | 8,291,268 | 12,232 |
75 | 浙江省 | 紹興市 | 645.083 | 5,270,977 | 8,171 |
76 | 浙江省 | 金華市 | 644.840 | 7,050,683 | 10,934 |
77 | 山東省 | 臨沂市 | 640.454 | 11,018,365 | 17,204 |
78 | 河南省 | 平頂山市 | 630.485 | 4,987,137 | 7,910 |
79 | 四川省 | 德陽市 | 609.552 | 3,456,161 | 5,670 |
80 | 江蘇省 | 連雲港市 | 608.381 | 4,599,360 | 7,560 |
81 | 安徽省 | 蕪湖市 | 606.292 | 3,644,420 | 6,011 |
82 | 山東省 | 濰坊市 | 588.287 | 9,386,705 | 15,956 |
83 | 四川省 | 內江市 | 585.947 | 3,140,678 | 5,360 |
84 | 安徽省 | 亳州市 | 585.796 | 4,996,844 | 8,530 |
85 | 江蘇省 | 宿遷市 | 581.684 | 4,986,192 | 8,572 |
86 | 四川省 | 自貢市 | 579.166 | 2,489,256 | 4,298 |
87 | 浙江省 | 湖州市 | 577.927 | 3,367,579 | 5,827 |
88 | 河北省 | 邢台市 | 571.908 | 7,111,106 | 12,434 |
89 | 廣東省 | 汕尾市 | 563.242 | 2,738,482 | 4,862 |
90 | 安徽省 | 蚌埠市 | 552.440 | 3,296,408 | 5,967 |
91 | 河北省 | 唐山市 | 551.521 | 7,717,983 | 13,994 |
92 | 安徽省 | 淮南市 | 548.558 | 3,033,528 | 5,530 |
93 | 山東省 | 日照市 | 547.669 | 2,968,365 | 5,420 |
94 | 湖南省 | 湘潭市 | 543.714 | 2,726,181 | 5,014 |
95 | 遼寧省 | 大連市 | 542.191 | 7,450,785 | 13,742 |
96 | 海南省 | 三亞市 | 541.415 | 1,031,396 | 1,905 |
97 | 湖北省 | 黃石市 | 541.346 | 2,469,079 | 4,561 |
98 | 山東省 | 德州市 | 541.308 | 5,611,194 | 10,366 |
99 | 廣東省 | 茂名市 | 540.398 | 6,174,050 | 11,425 |
100 | 安徽省 | 宿州市 | 535.769 | 5,324,476 | 9,938 |
注:內地、台灣為2020年人口普查數據,香港、澳門為2021年人口普查數據。 |
- 參考資料
-
- 1. 數據:中國人口密度演變趨勢 .城市中國網[引用日期2015-12-30]
- 2. 世界各國人口年度增長率 .快易理財網.2020-03-08[引用日期2021-05-03]
- 3. Population Growth .Our World in Data[引用日期2024-01-08]
- 4. China: Administrative Division (Provinces and Prefectures) .Population Statistics, Charts and Map[引用日期2024-01-10]
- 5. 人口密度(每公里土地面積人數) .世界銀行數據庫[引用日期2024-01-18]