90年代上海人口密度模型及演变
摘要:以两次人口普查数据为基础,利用单核心和多核心人口分布模型模拟了上海1990年代的人口分布模型。(1)单核心人口密度模型能够较好地描述1990年代上海人口分布。Clark模型在拟合1990年的城市中心上海论文网区和2000年的城市中心区以及中心近郊区时占优。Smeed模型在拟合包括郊区的全市地域范围的人口分布时占优。(2)多核心模型能够更好地描述上海的人口密度分布。1990年的模拟,上海有2个人口分布次中心,都分布在城市的核心区边缘区,多核心结构刚刚发育,城市核心对上海人口分布起主要作用, 2000年模拟表明,上海有6个人口分布次中心,分布在中心区和近郊区,各个次中心对人口分布都有重要影响,多核心结构已经发育较为成熟。2000年上海人口扩散的距离较1990年远。(3)随着上海城市经济的发展和人口分布的变动,上海人口空间结构已经从简单的单核心结构变为复杂的多核心结构。由于上海城市郊区的发展,城市郊区和原城市核心区一起组成了新的城市核心区。上海人口空间结构变化日趋复杂化。
关键词:单核心;多核心;城市空间结构
Modelling the Popula tion Density Functions of Shangha i in 1990 s
Abstract:Using the Census data of 1990 and 2000 of Shanghai, this article analysized the popu2lation distribution and models the population density function of Shanghai. The conclusion arefollowings: (1) Based on the regression of monocentric model , the author find that the mono2centric model can p rovide a good descrip tion of Shanghai population distribution. The Clarkmodel is betterwhen modeling for central districts and Smeed model forwhole urban area. (2)The polycentric model can give a better descrip tion of Shanghai′s population distribution, in1990 there were two subcenters and the CBD matters the Shanghai population distribution; in2000 there were six subcenters and the subcenters p lays important role. (3)With the develop2ment of Shanghai economic and change of population distribution, the spatial structure ofShaghai population becomes comp licated with monocentric to polycentric. The changes of pa2rameters ofmodels show that a new city core area is constituted by the old suburb and centraldistricts due to the development of suburb and population suburbanization.
Key words:monocentric; polycentric; urban spatial structure
1 相关文献评述自从阿朗索(Alonso, 1964) 、马思(Muth, 1969) 和米尔斯(Mills, 1967, 1972)对城市人口空间分布进行了最初的探索后,很多城市经济学家对城市人口的空间分布进行了详细研究。当然城市空间结构的研究有相当长的历史,最初可以回溯到冯图思( von Thunen, 1966)的农业地理理论以及其他社会学家如伯吉斯(Burgess, 1925) 、霍伊特(Hoyt, 1959)和克拉克(Clark, 1951)等的研究。对人口分布的很多研究见麦克唐纳(McDonald, 1989) 的评述。对城市人口空间结构的研究中有相当部分是基于单核心(monocentric)城市假设下的经验研究,但这些模型都是基于城市是单核心,城市中心有唯一的CBD这个前提条件。因此,当城市规模变大、产生城市副中心、边缘城市的时候,以上模型就不能很好的解释城市的人口分布了,因此关于城市人口分布的多核心模型(polycentric)就被发展起来。伴随着城市化的发展,城市功能分区日益显著,在城市内部往往会形成多个核心,这些地区具有城市次中心的特征。麦克唐纳(McDonald, 1987)对次中心的识别方法进行了评述。对于多核城市(圈)人口密度分布,海基兰等(Heikkila等, 1989)提出三种理论模型。斯莫尔和桑( Small & Song, 1994)采用其中的一种模型,将传统人口密度模型代入其中,对洛杉矶市进行评估,取得较为理想的评估结果。国外已经利用多核心模型对世界不同城市进行了实证检验,结果表明多核心模型能够很好地说明现代大城市的人口分布状况(Griffith, 1981; Gordon, 1986) 。尽管单核心模型发展到现在已经遭到很多学者的批评,但众多的经验研究表明单核心模型是分析城市空间结构的最简单而有说服力的模型。就国内而言,随着郊区化现象在部分大城市的出现,除了传统的对城市人口总量的分布与变化的研究外,已经有较多的研究开始关注城市内部人口空间结构以及城市人口密度模型。但国内研究中更多的是对北京、杭州等极少数城市的研究(冯健, 2002, 2003;Wang, 1999; Zhou Y X, 2000) 。并且主要集中于单核心人口分布模型的实证研究;而涉及多核心模型的研究较少,仅有Wang & Zhou (1999) 、冯健和周一星(2003)对北京的研究。城市空间结构研究是城市地理学研究中的难点和热点。人口普查数据是分析和模拟城市人口密度模型的最优数据。作为中国城市发展先导的上海,能够刻画其人口密度分布的人口密度模型是什么? 单核心和多核心模型哪个能够更好地解释和分析1990年代上海的人口分布? 以及上海的人口空间结构是否已经变成多核心结构? 本文就是基于两次人口普查数据,通过分析1990年代上海人口密度模型的变化来揭示上海人口空间结构的巨大变化。本文结构安排如下,首先对国内外城市人口密度相关研究进行简要综述,提出本文研究意义和必要性;第二部分,利用上海市两次人口普查数据,模拟单核心条件下上海人口密度分布模型;第三部分,利用已有数据,分析和模拟在多核心条件下上海人口密度分布模型;第四部分,得出本文研究结论。#p#分页标题#e#
2 单核心人口分布模型的模拟
2. 1 模型和方法单核心人口分布模型源于克拉克(Clark, 1951)的开创性工作,而城市空间结构的最初模型则源于阿朗索(Alonso, 1964)的单核心城市模型。这个模型后来被米尔斯(Mills, 1967, 1972) 、马思(Muth, 1969)扩展到包括生产、交通、房产等的分布模型。常见的单核心模型包括Clark模型、Smeed模型和Newling模型、Cu2bic模型等。为了研究城市人口密度,克拉克(Clark, 1951)提出了两个一般的假设:
(1)在所有城市里,除了商业用地之外,其余是人口密集分布区,人口密度随着离市中心距离增加而减小;
( 2)在大部分城市里,随着时间变化,中心人口密度减小,郊区人口密度增加,城市地域随之扩大。
(1)克拉克(Clark, 1951)探讨了大都市的人口密度分布,认为可以用负指数函数准确表达人口密度与离市中心距离的关系。负指数函数模型为:D( r) =D0 e- br ,也被称为Clark模型,其中D( r)为离市中心r英里处的人口密度; D0 和b为参数; D0 > 0, b< 0,D0 表示理论上的城市中心的人口密度, b称为人口密度梯度(population density gradient) ,即为离市中心的距离每增加1英里人口密度减少的百分比, e为自然对数的底在负指数函数模型中,D0 越大,说明城市特别是市中心人口密度越高,如果D0 趋向减小,说明城市特别是市中心人口密度逐渐下降,城市拥挤状况得以改善; b越大,说明人口分布偏城市中心地区,离开市中心点不同距离人口密度的差异很大; b若呈减小趋势,说明市中心地区人口扩散、减小,人口密度差异缩小。一般来讲,随着时间的发展,城市人口规模的增加, b的数值会减少。随着D0 和b值的减少,可以说大都市区变得更加郊区化了。该模型的优点是不管大都市区管辖范围的边界和区位如何,都可利用适当的资料进行估计。尽管也有缺点,如中心市边界的变动,可能会影响密度分布;仅仅将距离视为该模型的外生变量等,在西方学者研究郊区化时,该模型得到了广泛的应用,后来的各种模型都是在此模型的基础上发展起来的。
(2)Newling模型随着城市的发展,人口分布发生变动,人口逐渐从市中心区迁往郊区,人口密度最高点向外移动,市中心区人口密度缺口出现。纽林(Newling, 1969、1971)对这个阶段的人口密度空间分布作了模拟,即:D( r) =D0 ebr - cr2 ,其中b、c为参数,其中c > 0,其它符号含义同Clark模型。在该模型中,当b为负值且c为零时,二次指数函数模型即转变为负指数函数模型,所以说二次指数函数模型应该包括负指数函数模型,而负指数函数模型只是二次指数函数模型的一个特例。
(3) Smeed模型1963年,斯米德( Smeed, 1963)提出的模型形式为:D ( r) =D0 rb其中参数D0 > 0, b < 0。因此Smeed模型也就是幂指数函数。(4)三次方函数模型(Cubic模型)弗兰肯( Frankena, 1978)提出了两种三次方函数模型,其形式为:D ( r) =D0 + br + cr2 + dr2 + dr3 和D ( r)=D0 ebr + cr2 + dr3其中,D0 > 0, b < 0, c > 0, d < 0。人口普查数据被认为是研究城市人口分布的理想数据。本文主要使用上海市第五次人口普查数据,同时结合第四次人口普查数据对上海人口密度分布模型进行对比分析。本次模型的模拟主要的一个假设条件是上海人口呈单核心分布,主要是考虑国内已有的对其他城市的研究均表明中国大城市的人口密度大多复合单核心人口密度函数。本次研究的方法如下:首先考虑街道一级的行政单元区划变化较大,对相关街道的人口进行合并处理;然后以地理信息系统软件Map lnfo v6. o提取上海各街道的面积、街道质点坐标以及各街道距城市中心的距离;经过上述处理后, 2000年和1990年分别得到街道293个、310个数据;采用统计软件SPSS11. 5模拟人口密度分布模型。在具体分析时,把上海人口分布分为三情况,分别进行模拟。这三种情况分别是#p#分页标题#e#
(1)全市范围(简称全市) ,包括19个区县;
(2)不包括远郊区的城市中心区和近郊区(简称中心和近郊区) ,包括13个区; (3)去除远郊区和近郊区的城市中心区(简称中心区) ,包括9区。在电子地图上处理数据分别得到街道面积、质点坐标等系列数据(表3) ,选取人民广场街道的中心点作为城市中心点,在图上得到城市中心点坐标值,计算各街道到市中心的距离。表1 上海市人口分布模拟研究区域的划分地域范围包括区县1990和2000年街道数据个数全市 全部19个区县310 /293中心和近郊区中心城9区和近郊区的浦东新区、闵行区、嘉定区、宝山区4区169 /167中心区 黄浦、静安、卢湾、虹口、徐汇、长宁、普陀、闸北、杨浦9区81 /81
2. 2 模拟结果 1990 年和2000年上海市各区域人口分布模型模拟结果见表2—表4。从模拟结果看,就中心区而言, 1990年模拟表明Clark模型最为合理,但2000年四种模型都不是最理想结果,几个模型中R2最大的是Cubic模型,但是其值也只有0. 474,而且参数最多;比较而言, 2000年中心区人口密度分布比较符合Clark模型。中心近郊区的模拟则显示,在1990年和2000年,四个模型模拟效果都较为理想, R2 多在0. 7以上,但其中Newling模型的R2 最大,但由于Newling模型比Clark、Smeed多一个参数,因此不是最优模型;同理Cubic模型也不是理想模型,因此, Clark和Smeed模型对这一区域而言,是比较合理的拟合模型,仔细分析, 1990年的模拟中, Smeed更优,而在2000年模拟中Clark又比Smeed拟合度更优。最后对全市的模拟中, 1990 年和2000年人口密度分布的模拟说明Smeed模型是最优模型。对上海市几个区域两年的人口密度分布模拟最优模型见表5。表2 1990年和2000年上海市中心区人口分布模拟1990年上海市中心区人口分布的模拟2000年上海中心区人口分布的模拟模型类型参数D0 参数b 参数c 参数d R2 F值参数D0 参数b 参数c 参数d R2 F值Clark 123268 - 0. 2496 0 0 0. 65 146. 74 68693. 2 - 0. 1448 0 0 0. 424 58. 07Newling 94381. 5 - 0. 1368 - 0. 0089 0 0. 659 75. 22 49716. 9 - 0. 0078 - 0. 0108 0 0. 449 31. 82Smeed 140816 - 1. 0143 0 0 0. 521 88. 08 70691. 5 - 0. 5575 0 0 0. 305 34. 68Cubic 108865 - 20848 1667. 25 - 52. 756 0. 694 58. 15 56679. 5 - 3932. 2 10. 9206 1. 7926 0. 474 23. 15 在0. 05水平下显著表3 1990年和2000年上海市中心近郊区人口分布模拟1990年上海市中心近郊区人口分布的模拟2000年上海市中心近郊区人口分布的模拟模型类型参数D0 参数b 参数c 参数d R2 F值参数D0 参数b 参数c 参数d R2 F值Clark 53134. 1 - 0. 1645 0 0 0. 717 423. 42 57992. 5 - 0. 1457 0 0 0. 779 580. 63Newling 53103. 6 - 0. 3887 - 0. 0070 0 0. 828 398. 38 90273. 6 - 0. 2314 0. 0027 0 0. 802 331. 72Smeed 311368 - 1. 7172 0 0 0. 762 535. 41 201128 - 1. 3704 0 0 0. 686 360. 57Cubic 96593. 5 - 14382 674. 808 - 9. 9033 0. 800 219. 66 61445. 5 - 6410. 6 223. 832 - 2. 5540 0. 747 160. 42 在0. 05水平下显著表4 1990年和2000年上海市全市人口分布模拟1990年上海市全市人口分布的模拟2000年上海市全市人口分布的模拟模型类型参数D0 参数b 参数c 参数d R2 F值参数D0 参数b 参数c 参数d R2 F值Clark 18396. 0 - 0. 0766 0 0 0. 630 525. 25 26149. 4 - 0. 0826 0 0 0. 725 768. 73Newling 64634. 27 - 0. 2203 - 0. 0025 0 0. 801 617. 85 73894. 9 - 0. 2063 0. 0022 0 0. 850 823. 18Smeed 223600 - 1. 5503 0 0 0. 814 1352. 35 239461 - 1. 4957 0 0 0. 807 1219. 61Cubic 71846. 2 - 7075. 3 201. 485 - 1. 7234 0. 745 298. 18 55706. 4 - 4830. 1 129. 969 - 1. 0846 0. 802 391. 08 在0. 05水平下显著#p#分页标题#e#
2. 3 对模拟结果的讨论无论是在Clark模型还是在Smeed模型中,参数b的绝对值表示人口密度随距离衰减的斜率,西方文献中常常称之为人口密度梯度(population density gradient) ,人口密度梯度的变化是度量人口郊区化的重要变量;在Clark模型中,D(0)表示城市中心人口密度的理论值,而Smeed模型中D(0)没有确定意义。下面结合这些参数来分析上海人口分布变化郊区化。表5 1990 - 2000年上海市不同区域人口分布模拟区域1990年人口分布模拟2000年人口分布模拟最优模型参数D0 参数b 最优模型参数D0 参数b中心 Clark 123268 - 0. 2496 Clark 68693. 2 - 0. 1448中心近郊区Smeed 311368 - 1. 7172 Clark 57992. 5 - 0. 1457全市 Smeed 223600 - 1. 5503 Smeed 239461 - 1. 4957表5是上海各区域人口密度分布模拟的最优模型。从中可以看出,就中心区而言, 1990- 2000年间,参数D0 大幅度降低( 133268 到68693 ) , 表示市中心人口密度有大幅度降低,降幅达到一半;而人口密度梯度绝对值减小,也即负指数函数曲线的斜率降低,表明人口分布趋于分散和均衡。对中心近郊区来说,由于两个年度的最优模型不同,故无法直接比较。2000年中心近郊区的人口密度分布已经比较符合Clark模型,而在10年前的1990其人口密度分布只符合Smeed模型,同一地域在两个年份最优模型不同,说明经过10年的发展,中心近郊区的人口分布模式和10年前中心区的人口分布模式基本相同,中心近郊区的人口密度分布已经具有城市中心区人口分布的特征。上海中心近郊在10年的人口变动方向主要是把过量集中于中心区的人口高峰向外“摊开”,这样中心的人口高峰高度被大大地削低了,而不规则的整个人口“饼”的半径变大,厚度逐渐均匀。最后对全市的模拟表明全市人口密度分布已经逐渐均匀,但其特征还不具有城市中心区的特征。通过以上分析可以知道,单核心人口分布模型仍然可以刻画1990年代上海的人口分布,但模型的解释能力有所降低,上海人口分布趋于分散和均衡。Clark模型比较适合描述城市核心区的人口分布而Smeed模型则适合描述包括郊区在内的整个城市地区的人口分布。单核心人口分布模型的参数变化表明由于1990年代城市的发展,郊区和原城市核心区一起变成了新的城市核心区。
3 多核心人口分布模型的模拟
3. 1 方法和模型前面已经提到单核心人口密度也即在Clark模型以及在此基础上经过不断修正和发展的Newling等模型都有一个假设条件,即城市有唯一的城市中心(中央商务区CBD) ,离城市中心的距离是人口密度的唯一变量。多核心模型是城市发展到一定程度时产生的,其一般形式如下:D ( r) = 6Nn = 1an ebnrmn其中m = 1, 2, ⋯,M,N为城市中心数量;M为街区数量; rmn为街区m到中心n的距离; an 及bn 为针对中心的参数; D ( r)为人口密度, an > 0, bn < 0。这个模型能够较好地描述城市在有多个城市中心时的人口密度分布状况。参考国外相关文献以及国内同类文献中人口分布的多核心模型和研究方法(冯健、周一星, 2003) ,首先确定各级城市中心,在本文中以人民广场作为第一级别的城市中心;然后确定城市次中心( subcenter) 。方法是绘制1990年和2000年中心和近郊区的人口密度等值线图(图1和图2) ,经过反复观察、判断,确定城市人口分布的次中心。次中心的选取依照以下几个原则: #p#分页标题#e#
(1)首先确定峰值> 30000的人口密度等值线;
(2)确定满足上述条件的每个高峰等值线主要位居的街区,确定这些街区的几何中心,它们便可近似地视为基于人口分布的城市次中心;
(3)要求城市中心与各次中心之间以及各次中心之间的距离> 5 km。表6 1990年上海多核心模型回归中的次中心 次中心所在街道所属区县人口密度(人/km2 ) 离城市中心距离( km)平凉路 杨浦区49066 5. 81甘泉路 普陀区47464 5. 43表7 2000年上海多核心模型回归中的次中心 次中心所在街道所属区县人口密度(人/km2 ) 离城市中心距离( km)天山路 长宁区46447 6. 75延吉新村杨浦区50874 8. 66泗塘新村宝山区31041 12. 05欧阳路 虹口区52387 5. 02凌云 徐汇区30280 11. 22甘泉路 普陀区51135 5. 43按照上述原则, 1990 年上海有2个城市次中心,位于平凉路街道(杨浦区)和甘泉路街道(普陀区) ; 2000年有6个城市次中心,分别位于天山路街道(长宁区) 、延吉新村街道(杨浦区) 、泗塘新村街道(宝山区) 、欧阳路街道(虹口区) 、凌云街道(徐汇区)和甘泉路街道(普陀区) (表6和7) 。在选出次中心后,计算各个次中心到各街区的距离,然后运用统计软件SPSS11. 5,编写多核心模型非线性回归程序,采用迭代技术进行回归。1990年按模型D ( r) = a1 eb1rm1 + a2 eb2rm2 + a3 eb3rm3 (1)拟合,而2000年按D ( r) = a1 eb1rm1 + a2 eb2rM2 + a3 eb3rm3 + + a4 eb4rm4 + a5 eb5rm5 + a6 eb6rm6 + a7 eb7rm7 (2)•44•吴文钰等: 1990年代上海人口密度模型及演变
3. 2 模拟结果和讨论表8和9给出了两个年份上海市不同区域人口分布的多核心模型拟合结果。从1990年的拟合情况看,三个区域的拟合情况都比较理想,说明在早在1990年上海的人口分布已经表现出了多核心的特征。分别看来, 1990年模拟中中心区的拟合优度最低,而中心近郊区和全市的模拟优度都非常好,达到0. 8以上。说明对于中心区而言,由于中心区的人口密度非常大,不能表现出明显的人口次中心。而从模型中我们可以发现随着地域范围的扩大,拟合优度逐渐增大。说明随着研究地域的扩大,由于密度相对变大,从更大的地域范围考察,上海人口分布中已经出现了能够影响人口分布的次中心。在多核心模型中a为不同中心截距, a越大表明此中心在集聚人口方面作用越强;而斜率b的绝对值越大,则表明随着与此中心距离的增加,人口密度的衰减越陡(Wang F H,Meng Y C, 1999) 。在1990年的后三种地域人口密度分布的拟合中,作为城市中心的人民广场的截距远远高于其他两个次中心的截距,说明在城市人口分布中,城市中心对人口分布的影响远远大于次中心,次中心正在发育之中,次中心的人口集聚作用还不大。再考察人口密度梯度即各种新的斜率可以发现,平凉路次中心的斜率绝对值大于城市中心的斜率,这说明平凉路次中心对上海人口分布已经有较大影响,而甘泉路次中心的截距非常小,表明该次中心对城市人口的分布的影响很小。因此,从1990年回归中我们可以发现,在1990年城市人口空间结构的双核心结构已经开始发育出现,但没有形成三足鼎立的局面,三核心心结构尚未显现出来,从图2 ( a)的上海人口密度趋势图中我们也可以发现在1990年,上海人口有一个非常明显的峰顶,四周没有形成足以与其抗衡的峰,人口密度从中心向四周递减,但递减在离中心较近的距离就已经结束,说明在1990年城市中心和郊区的人口密度差异较大。表8 1990年上海市人口分布多核心模拟结果中心及次中心中心区中心近郊全市参数a 参数b 参数a 参数b 参数a 参数b人民广场(城市中心)104831. 55 - 0. 2395 111854. 39 - 0. 2610 112376. 24 - 0. 2608平凉路30900. 99 - 0. 2512 29990. 45 - 0. 3541 31566. 59 - 0. 3404甘泉路335. 404 - 0. 118 3058. 12 - 0. 1121 1069. 19 0. 0159拟合优度R2 0. 73199 0. 8263 0. 8633 在0. 05水平下显著表9 2000年上海市人口分布多核心模拟结果中心及次中心中心区中心近郊全市参数a 参数b 参数a 参数b 参数a 参数b人民广场(城市中心)21487. 75 - 2. 9974 17340. 38 - 0. 3362 17424. 81 - 0. 3418天山路29800. 05 - 0. 8626 33002. 05 - 0. 6904 31978. 80 - 0. 6940延吉新村22238. 77 - 1. 5336 24835. 33 - 0. 6073 24804. 19 - 0. 6091泗塘新村24425. 73 - 0. 5468 28355. 69 - 0. 3936 28355. 28 - 0. 3928欧阳路16917. 83 - 1. 1308 20251. 76 - 1. 1870 20265. 47 - 10184凌云60164. 75 - 0. 1307 57369. 51 - 0. 1641 57370. 68 0. 1638甘泉路20847. 68 - 1. 9867 23289. 47 - 1. 7035 23293. 64 - 1. 7025拟合优度R2 0. 6103 0. 8214 0. 8691 在0. 05水平下显著 从2000 年的拟和情况看,三个区域的拟合情况仍然非常理想。中心区的拟合情况仍然相对较差。再次说明人口高度密集的城市中心区内,只存在着单中心结构;在拟合的后两种情况中,拟合情况比较理想,拟合优度都在0. 8以上。从模型的参数看,与1990年相比,城市中心的截距下降下降幅度很大,从大于100000 下降到20000 左右,其截距甚至小于城市次中心的截距,充分说明随着1990 年代以来城市更新改造和郊区化进程,城市中心已经由原来的人口过度积聚区域转化为一般的人口积聚区,也说明城市中心对人口分布的影响越来越小,尽管如此,由于中国城市人口分布的特点等诸多原因,城市中心依然是对上海人口分布有重要影响的区域;考察次中心的模型参数,发现与1990年相比,次中心的截距和斜率都有所增加,尤其是截距增加非常明显,这显然表明随着城市的发展,城市次中心已经在人口分布中已经不再是可有可无的角色。与1990年相比, 2000年的6个次中心都对人口分布有很大影响,由于这几个次中心的出现,在2000年上海人口空间结构的多核心模型已经非常明显。在图2 ( b)中可以看到,在2000年人口分布的高峰周围有一系列的小山峰突起。另外从2000年的模拟情况仍然可以发现,随着研究区域的不断扩大,多核心模拟的优度不断增加,充分说明城市人口分布的多核心结构在全市范围内更加明显。#p#分页标题#e#
4 研究结论
(1)利用单核心模型对上海人口密度分布的模拟表明单核心人口密度模型能够较好地描述1990年代上海人口分布。由于人口分布的巨大变化,随着时间和研究区域不同,对应不同区域的最优人口密度模型有所不同。Clark模型在拟合1990年的城市中心区和2000年的城市中心区以及中心近郊区时占优。Smeed模型在拟合包括郊区的全市地域范围的人口分布时占优。模型参数变化表明,上海人口分布在城市的整个行政区域内分布更加均匀,城市郊区化处于初级级段,郊区化的主体仍是近郊化。
(2)利用多核心对上海人口密度分布进行的模拟表明,多核心模型能够较好地描述上海的人口密度分布。随着1990 - 2000年上海市人口分布的巨大变化,上海人口空间结构的变化也逐渐复杂化。1990年模拟表明,上海有2个人口分布次中心,都分布在城市的核心区边缘区,多核心结构刚刚发育,城市核心对上海人口分布起主要作用, 2000年模拟表明,上海有6个人口分布次中心,分布在中心区和近郊区,各个次中心对人口分布都有重要影响,多核心结构已经发育较为成熟。参数变化说明2000年上海人口扩散的距离较1990年远。
(3)研究表明随着上海城市经济的发展和人口分布的变动,上海人口空间结构已经从简单的单核心结构变为复杂的多核心结构。无论是单核心模型还是多核心模型其模型参数的变化说明,由于上海城市郊区的发展,城市郊区和原城市核心区一起组成了新的城市核心区。上海人口空间结构变化日趋复杂化。
参考文献:
Alonso,W. Location and Land Use. 1964. Cambridge,MA: Harvard University Press.
Burgess, ErnestW. The Growth of a City:An Introduction to a Research Project. American Sociological Society, 18 (2) , 1925, pp. 85 -97.
Clark, C. Urban population densities, Journal of the Royal Statistical Society, 114, 1951 pp. 490 - 496Frankena,M. W. A bias in estimating urban population density functions, Journal ofUrban Economics, 5, 1978, pp. 35 - 45.
HJ von Thunen - 1966. Von Thunen′s Isolated State, trans. byWartenberg, CarlaM. ed, By Peter Hall. Edinburgh: Pergamon Press.Hoyt, Homer. The Structure and Growth of Residential Neighborhoods in American Cities. FHA, 1939.
Selections rep rinted in H. M.Mayer and C. F. Kohn ( eds. ) , Readings in Urban Geography. Chicago, 1959.McDonald J , Prather P.
Suburban emp loyment centers : the case of Chicago. Urban Studies, 1994, 31: 201 - 218McDonald, John F. Econometric Studies ofUrban Population Density:A Survey. Journal ofUrban Economics, 26, 1989, pp. 361 - 85.Mills, E. 1967.
An aggregative model of resource allocation in a metropolitan area. American Economic Review 57, 197 $ 210.Mills, E. 1972. Studies in the Structure of the Urban Economy. Baltimore,MD: Johns Hopkins University Press.Mills, E. S. 1970:
Urban density functions,Urban Studies, 7, pp 5 - 20Mills, E. S. 1972:#p#分页标题#e#
Urban Economics, Scott. Foresman and Company, Glenview, ILMuth, R. 1961: The spatial structure of the housing market, Papers and Proceedings of the Regional Science Association, 7, pp. 207 -219Muth, R. 1969.
Cities and Housing. Chicago:University of Chicago Press.Newling,B. 1969:
The spatial variation of urban population densities, Geographical Review, 59, pp. 242 - 252.Newling,B. 1971: The spatial variation of urban population densities, en Internal Structure of the city,Oxford University Press,Londres.Small, K. A. and Song, S. (1994) Population and emp loyment densities: structure and change. Journal of Urban Economics, 292 - 313.Smeed, R. J. (1963:
The effect of some kinds of routing systems on the amount of traffic in central areas of towns, Journal of the Institu2tion of Highway Engineers, 10, pp. 5 - 26.Smith,B. E. 1997:
A review ofmonocentric urban density analysis, Journal of Planning L iterature, 12, pp. 115 - 136.Wang FH,
Meng Y C. Analyzing urban Population change Patterns in Shenyang, China 1982 - 90: density function and spatial associa2tion app roaches. Geographic Information Sciences, 1999, 5 (2) : 121 - 130.
/shlunwen/Wang, F. and Zhou, Y. 1999:Modelling urban population densities in Beijing ( 1982 - 1990) : suburbanisation and its causes, UrbanStudies, 36, pp. 271 - 288.Zhou Y X andMa L J C .
Economic restructuring and Suburbanization in China[ J ]. Urban Geography, 2000, 21 (3) : 205 - 236.
冯健. 我国城市郊区化研究的进展与展望[ J ]. 人文地理, 2001, (6) : 31~35.
冯健、周一星. 1990年代北京市人口空间分布的最新变化[ J ]. 城市规划, 2003, (5) : 55~62.
冯健、周一星. 杭州市人口的空间变动与郊区化研究[ J ]. 城市规划, 2002, (1) : 58~65.
冯健、周一星. 近20年来北京都市区人口增长与分布[ J ]. 地理学报, 2003, (11) : 903~91
6.高向东、江取珍. 对上海城市人口分布变动与郊区化的探讨[ J ]. 城市规划, 2002, (1) : 66~6
9.高向东著. 大城市人口分布变动与郊区化研究[M ]. 上海:复旦大学出版社, 2004.
宁越敏、邓永成. 上海城市郊区化研究. 李思铭等(主编). 中国区域经济发展面面观[M ]. 台北、香港出版发行, 129~153, 1996.
沈建法、王桂新. 90年代上海中心城人口分布及其变动趋势的模型研究[ J ]. 中国人口科学, 2000, (5) : 45~52.张善余. 近年上海市人口分布态势的巨大变化[ J ]. 人口研究, 1999, (5) : 16~24.
张文新. 中国城市郊区化研究的评价与展望[ J ]. 城市规划汇刊, 2003, (1) : 55~58.
周一星,孟延春. 北京的郊区化及其对策[M ]. 北京:科学出版社, 2000.