EN中文

Tropical Geography >

2025 , Vol. 45 >Issue 5: 820 - 833

DOI: https://doi.org/10.13284/j.cnki.rddl.20240574

Classification and Influencing Factors of County Units with Population Shrinkage in Guangdong Province

  • Tingting Chen ,
  • Likun Wu
Expand
  • School of Geography and Planning//Institute of China Regional Coordinated and Rural Construction, Sun Yat-sen University, Guangzhou 510275, China

Received date: 2024-08-30

  Revised date: 2024-11-25

  Online published: 2025-05-23

Fold

Abstract

Against the background of rapid urbanization, China's districts and counties are characterized by unbalanced, inadequate, and asynchronous development, accompanied by different degrees of population loss. It is of theoretical and practical significance to explore the spatial distribution, evolution, and influencing factors of population shrinkage in county and district units in order to adapt to population shrinkage and formulate locally adapted development plans. Taking Guangdong Province as an example, this study analyzed the spatial distribution characteristics of population shrinkage during 2000–2010 and 2010–2020 based on resident population data at the district and county scales from 2000 to 2020. The study also constructed a socioeconomic-natural-demographic indicator system, explored the factors influencing its formation and evolution from the perspective of non-linear influence with the help of a multi-classification logit regression model and a random forest model, and put forward relevant suggestions. This study has the following results: (1) In the spatial dimension, the population shrinkage areas in Guangdong Province are primarily distributed in the periphery of the Pearl River Delta, with a spatial core-periphery imbalance, as well as differences between counties (including counties and county-level cities) and municipal districts. Among these, counties and county-level cities are the main areas of population shrinkage, characterized by a wide range of shrinkage, a more profound degree, and a more extended period; (2) In the temporal dimension, in the two stages of 2000–2010 and 2010–2020, Guangdong Province has seen an increase in the intensity of population shrinkage, with a trend towards slower, more sustained, wider, and more widespread population shrinkage and a deepening of the shrinkage in the areas adjacent to the nine cities in the Pearl River Delta. The degree of population shrinkage deepened in the eastern part of the northern mountainous region of Guangdong, mainly Meizhou. In contrast, the northern mountainous region of Guangdong, mainly Shaoguan, has gradually recovered from shrinkage; and (3) In the context of globalization, regionalization, and aging, the formation of population shrinkage areas in Guangdong Province is affected by the interaction of multiple factors in the four dimensions of demographic structure, production, life, and nature, with complex mechanisms and different impacts on different types of population shrinkage. Persistent population shrinkage is mainly affected by the demographic structure, especially the increasing aging problem, which leads to a long-term stable population decline. At the same time, economic and social factors also impact the continuous population shrinkage. Additionally, the policy regulation of ecological reserves, which has a direct impact on population distribution and mobility, cannot be ignored. However, in addition to the endogenous factors of the population, intermittent shrinkage is also affected by social and economic aspects such as industrial adjustment and fiscal expenditure, which may lead to fluctuations in economic activities in the short term and thus affect the population distribution.

Key words： population shrinkage; shrinkage type; county and district scale; machine learning; Guangdong Province

Cite this article

Tingting Chen , Likun Wu . Classification and Influencing Factors of County Units with Population Shrinkage in Guangdong Province[J]. Tropical Geography, 2025 , 45(5) : 820 -833 . DOI: 10.13284/j.cnki.rddl.20240574

改革开放以来，城镇化发展迅速，人口不断从乡村涌入城市，从中小城镇涌入大城市。中国正处于城市收缩与城镇化快速发展的并轨阶段，因此区县发展的不平衡、不充分、不同步特征突出，许多欠发达县域出现不同程度的人口流失问题。对此国家发展改革委在《2019年新型城镇化建设重点任务》（国家发展改革委，2019）和《2020年新型城镇化建设与城乡融合发展重点任务》（国家发展改革委，2020）中明确了城市收缩现象的客观存在。2022年《关于推进以县城为重要载体的城镇化建设的意见》明确指出，要引导“人口流失县城”转型发展，县域人口收缩问题得到重视（中共中央办公厅 国务院办公厅，2022）。县域是中国国家治理的基本单元，是中国式现代化与高质量发展要求的关键层级（赵彪，2022）。探讨区县单元人口收缩现象的空间分布、演化过程以及影响因素，对适应人口特征的城镇化发展具有一定的理论和实际意义。
城市的形成、发展与衰落是城市发展的必经阶段，城市空间从增长到收缩的演变呈现非线性轨迹，体现其生命周期性和阶段性（Birch, 1971）。城市收缩概念在20世纪80年代由德国学者Häußermann & Siebel（1988）提出，由于收缩现象的发生与时代背景、地域特征有关，关于收缩的测度识别尚未建立统一的标准体系（Hollander & Nemeth, 2011；李郇 等，2015；龙瀛 等，2015）。城市收缩意味着城市人口发生了持续性的流失，这是一个时间久、范围广，且涉及多维度、多尺度的现象（Gao, 2017；衣霄翔 等，2023）。人口的变动趋势被公认为是城市收缩与否的判断标准，以常住人口变化率作为界定标准得到普遍认可和广泛应用。基于人口变化轨迹（孙青 等，2019）的收缩分类是国内外研究最为常见的分类标准。在此基础上考虑收缩的时空范围、程度，可将收缩类型划分为持续早期收缩、大都市收缩、近期收缩、循环收缩及温和收缩（衣霄翔 等，2023），或严重收缩、明显收缩和轻微收缩（Alves, 2016）；有学者结合相邻时期人口变化情况，划分出持续收缩型、增长转收缩型、收缩转增长型、持续增长型4类（刘振 等，2020）；也有学者依据人口变化率的空间形态特征划分类型（张明斗 等，2019；陈肖飞 等，2020）；还有学者在人口变化之外考虑经济衰退、空间衰败等附加维度（杜志威 等，2017；Hartt, 2018；高喆 等，2019），提出多种划分依据。
人口收缩现象是多维因素综合作用的结果。已有研究成果较为丰富，主要包括：人口结构因素，如老龄化、低生育率等加剧人口结构失衡（Martinez-Fernandez et al., 2012；沈瑶 等，2020）；经济因素，如去工业化和全球化导致的资源枯竭与工业衰退促使产业结构调整（Oswalt, 2005; Martinez-Fernandez, 2012; Pallagst et al., 2013）；社会因素，如郊区化和城市蔓延导致人口结构变化（沈瑶 等，2020；Pallagst et al., 2021）、城镇化带来的虹吸效应、环境污染和种族问题加速中心区人口向郊区外流（Wiechmann & Pallagst, 2012）等；自然因素，如区位与资源禀赋差异（张旭亮 等，2023）；制度因素，如行政区划调整（杨青 等，2020）、社会制度变革（Mykhnenko & Yurok, 2008; Rieniets, 2009; Wiechmann & Pallagst, 2012; Martinez-Fernandez et al., 2015）等。
在尺度层面，以省级、地级行政区为主，越来越多的研究开始关注区县级的人口收缩，认为县是人口调控的重要单元，县级尺度的研究有助于更精细地认识人口分布的规律（刘涛 等，2022）。在分类方法层面，传统研究主要依赖人口普查数据，数据间隔时间较长，容易忽略人口的逐年变化。且已有研究大多依据某时间段人口增减进行分类，较少考虑人口减少的程度与时间跨度及其阶段性变化特征，难以判断地区人口收缩为长期性还是偶发性，以及进入哪个收缩阶段。在影响机制层面，人口收缩问题是一个非线性的发展过程，动因之间往往存在复杂的互动关系（吴康 等，2017），单纯以线性模型分析难以反映更深层机制，而文字描述又缺乏客观性和科学性。
鉴于此，本文以2000—2020年常住人口增长率指标识别广东省收缩区县，以其为研究单元，充分考虑人口减少的周期长度与幅度大小，提出基于长时序人口变化情况的人口收缩分类标准，划分阶段捕捉不同单元的类型转变特征和规律。并参考已有研究，综合考虑人口结构、经济产业、社会生活与自然生态等维度的影响因素，运用机器学习的方法，探讨多因素对各类型人口收缩地区的非线性影响。以期精准识别人口收缩地区的特征和影响因素，为制定差异化的区域发展政策提供支撑，从而为广东省乃至全国其他地区应对人口收缩问题提供科学依据。

1 研究区、数据来源与方法

1.1　研究区概况

广东省共有区县级行政单元122个，其中包括65个市辖区、20个县级市、34个县与3个自治县。由于东莞和中山为不设区县的“直筒子市”，以地级市行政边界进行计算。广东省经济总量持续居全国首位，但区域发展不平衡问题依然显著，尤其体现在粤东西北与珠三角之间以及县域与市区之间，是典型的快速城镇化与人口收缩并存的地区。因此，研究广东省区县单元的人口收缩具有一定代表性和现实意义。

1.2　数据来源及处理

已有研究（杜志威 等，2019）发现，户籍人口的波动变化相对较平稳，已无法反映区域真实的人口状况，本文采用长时序常住人口反映地区人口收缩。2000—2020年的逐年常住人口数据来源于广东省各市统计年鉴 1，用于分析人口收缩的时空特征与类型划分。由于在该时段，广东省多个行政单元经历了撤县设区或县域合并的区划调整，行政区划以2020年为基准。
影响因素方面，人口结构维度的平均每千人中出生人数的比率、65岁及以上人口占比与每100位女性所对应的男性数目数据来源于全国第五次、第六次、第七次人口普查数据 2；经济产业维度中的第三产业产值增量占比、人均GDP数据与社会生活维度中的城乡居民人均储蓄存款余额、地方财政一般预算支出、中小学在校学生数、医院、卫生院床位数和社会福利院床位数数据来源于2001、2011、2021年的《中国县域统计年鉴》（国家统计局农村社会经济调查司，2001；2011；2021），其中，采用熵权法对教育、医疗和福利3个因素进行赋权，得到综合的公共服务水平指数；自然生态维度中的各县距离所在市政府车行路程数据来源于高德地图平台 3，地形起伏度数据来源于中国地形起伏度公里网格数据集（游珍 等，2018），生态用地占比数据来源于武汉大学CLCD 数据集（Yang & Huang,2021）以及2012年《广东省主体功能区规划》（广东省人民政府，2018）。
参考已有研究（刘振 等，2020），由于因变量收缩类型由10年期间的人口变动决定，自变量中产业结构、经济发展、收入水平、公共投入、公共服务水平、老年人口占比、出生率与性别结构变化较大，均采用年初至年末的变化量代表；地理区位、生态条件2类指标变动较小，可忽略不计，采用年初数值代表。经检验，各变量不存在共线性。

1.3　研究方法

1.3.1　人口收缩地区识别

以末年、始年常住人口的差值与始年常住人口的比值，即人口增长率（ s i）判断人口增长和收缩情况，公式（孟祥凤 等，2021）为：
s i = x i - x i - 1 x i - 1 × 100 %
式中： s i为第 i年人口增长率； x i为第 i年常住人口数量； x i - 1为第 i-1年常住人口数量。由于“人口收缩”的内涵为人口的持续性减少，参考国际上专业的研究机构“收缩城市国际研究网络（Shrinking City International Research Network）”对城市收缩的定义，本文以2000—2020年连续2年及以上常住人口增长率＜0为标准，定义人口收缩地区。

1.3.2　人口收缩地区类型判别

为进一步考察不同区县人口收缩的周期长短以及收缩程度，本文结合已有分类方法（Alves et al., 2016; Hartt, 2018；孙青 等，2019；张明斗 等，2019；高喆 等，2019），依据人口收缩持续时长与收缩强度进行分类。具体标准为：当人口增长率连续5年及以上低于0时，定义为人口持续收缩，而如果人口增长率持续处于负值状态的时间仅为2~5 a，则归类为间断收缩。收缩强度方面，若在收缩时段内人口平均增长率＜-1%，则判定为强收缩；相反，若人口平均增长率＞-1%，则属于弱收缩。此外，若某一地区未出现连续2年及以上人口增长率＜0，则判定为无收缩现象。根据上述标准，将本研究区人口收缩地区划分5种类型：持续强收缩、持续弱收缩、间断强收缩、间断弱收缩与无收缩。考虑到2000—2020年各区县人口变化的规律，以及样本量较少的问题，以2010年为时间节点，将整个阶段划分为2个时间段，分别探究各地区的人口收缩类型。

1.3.3　人口结构-经济产业-社会生活-自然生态四级指标体系构建

人口收缩的影响因素较为复杂，可归纳为人口迁出和人口自然减少2方面。结合已有研究和数据可获取性，主要从人口结构、经济产业、社会生活和自然生态4方面构建人口-经济-社会-自然指标体系（表1）。人口结构维度，参考已有研究（陆明 等，2023），选择出生率、老年人口占比和性别比为影响变量。其中，老年人口占比代表老龄化程度，许多研究证实了人口老龄化会致使人口结构失衡，劳动力规模缩减，以及人口总量下滑（Chi et al., 2011），同时人口老龄化的空间关联性也受到关注（Ma et al., 2022）；出生率与人口性别结构是人口增长的内在动力，能反映人口的自然变化情况。
表1 人口-经济-社会-自然四级指标体系

Table 1 Four level index system of economy, society, nature and population

维度 指标 解释 数值属性

人口

结构

 出生率 平均每千人中出生人数的比率 变化值
老年人口占比 65岁及以上人口占比/%
性别比 每100位女性所对应的男性数目/人

经济

产业

 产业结构 第三产业产值增量占比/% 变化值
经济发展 人均GDP/万元

社会

生活

 收入水平 城乡居民人均储蓄存款余额/元 变化值
公共投入 地方财政一般预算支出/万元
公共服务 教育-中小学在校学生数/人（W：16.00%）
医疗-医院、卫生院床位数/床（W：61.06%）
社会福利院床位数/床（W：22.94%）

自然

生态

 地理区位 各县距离所在市政府车行路程/km 初始值
地形条件 地形起伏度
生态条件 生态保护区（虚拟变量：1）
生态用地占比/%

注： W表示采用熵权法对教育、医疗和福利3个因素进行赋权后所得权重占比。

经济产业维度，考虑产业结构和经济发展水平2个层面。一方面，现有研究指出，第三产业对人口流动的影响更大（敖荣军 等，2023），且选择第三产业占比表征产业结构能较好地反映产业转型情况（冯章献 等，2023）。另一方面，经济发展水平差异会影响人口流动方向，且对于出生率也存在一定影响，人均GDP是反映经济发展水平较为常用的变量。综上，本文采用第三产业增量占比和人均GDP代表经济产业维度的变量。
社会生活维度，考虑居民收入水平、政府公共投入水平和公共服务水平（邓佳栩 等，2022；杜志威 等，2019）3方面。其中，采用城乡人均居民储蓄存款反映收入，采用地方财政预算支出反映公共投入。教育水平、医疗条件和社会福利是家庭关心的焦点问题，能反映地区综合公共服务水平，影响迁居意愿。
自然生态维度，考虑地理区位、地形条件和生态3方面。已有研究提出，一般地级市中心有更为完善的医疗、生活条件，故人口会向地级市中心聚集，使用各县域与所在地级市中心的地理距离反映地理区位（张旭亮 等，2023）。本研究采用区县与地级市中心的车行距离代替地理距离，能综合自然、交通等因素，更真实客观地反映区位条件。地形条件采用地形起伏度表示。在生态方面，选择土地利用数据中的生态用地占比反映真实的生态条件。另外，本文将《广东省主体功能区规划》（广东省人民政府，2012）中对各个区县的功能定位纳入回归模型，用是否属于生态保护区这一虚拟变量反映生态政策导向，从客观情况与政策要求2方面，更全面真实地分析生态因素对于人口收缩的影响。

1.3.4　多分类Logit回归模型

Logit回归常用于分析定量自变量与定类因变量之间的关系，其输出是一个概率分布，用于表示每个类别的概率，是一种经典的机器学习算法。本文采用其探究相关指标因子与收缩类型之间的相关性。假设给定n个带标签的样本（已知每个样本的类别），（ x 1 ⃗ , y 1），（ x 2 ⃗ , y 2），（ x 3 ⃗ , y 3），…，（ x n ⃗ , y n），其中 x i ⃗ = ( x 1 , x 2 , x 3 , … x D - 1 , 1 )是一个维度为D的特征向量，该向量末尾为1，代表偏置项（bias）；标签 y i ∈ 1,2 , 3 , … , K表示 K个类别中的一类；每个类别对应一个权重向量，总共 K个权重向量，设第 i个类别的权重向量为 w i ⃗。通过对所有类别调用Softmax函数，可求得概率分布。
P ( r | x i ⃗ ) = e x p   ( w r ⃗ ∙ x i ⃗ ) ∑ j = 1 K e x p   ( w j ⃗ ∙ x i ⃗ )
考虑到不同时间段指标的整体分布存在差异，分别对2000—2010、2010—2020年的指标进行正向化处理与对数处理，并将年份作为虚拟变量放入模型。

1.3.5　随机森林模型

随机森林（Random Forest,RF）是用于分类和回归的非线性决策树的组合，当因变量是分类变量时即为分类。首先，随机选取不同的特征和训练样本，生成大量的决策树（classification tree），然后，综合这些决策树的结果进行最终分类。随机森林是一种非参数技术，能有效分析非线性、共线性和具有交互作用的数据，无需预先假定因变量与自变量之间的关系，是利用boostrap重抽样方法对样本信息不断进行训练，探究样本自身的规律特征。
其中，平均准确性下降程度（Mean Decrease Accuracy, MDA）可用于衡量对模型预测精度的贡献程度，绝对值越大表示重要性越大。部分依赖图（PDP, Partial Dependence Plot）是一种可解释性工具，用于分析机器学习模型中特征和预测结果之间的关系，可识别各影响因素对于人口收缩类型的影响阈值范围，通过观察折线在特定区间的变化，可判断某个自变量在该区间对于各人口收缩类型概率的影响。本文依据随机森林分类模型中的MDA与PDP判断影响因素的重要性排序与阈值范围，以80%的训练集比例划分训练集和测试集。

2 人口收缩识别与分类

2.1　人口收缩地区识别

2000—2020年广东省不同区县单元的人口演变轨迹呈现增长与收缩并存的特征，且人口收缩呈现阶段性与波动性。从空间分布看，广东省区县单元整体表现出“核心增长—边缘收缩”的人口变动格局（图1）。根据各区县人口逐年变化情况，发现其呈现显著的阶段性特征。以2010年为时间节点，一些区县单元在2000—2010年人口增长，而2010—2020年人口收缩，如浈江区、阳西县等；还有一些单元在前一阶段人口收缩，而后一阶段人口增长，如南澳县、梅县区等；同时一些地区出现持续人口收缩，如大埔县、蕉岭县等（图2）。因此，分2个阶段分别划分人口收缩类型，同时分析各个单元类型的阶段性转变。通过对收缩地区行政单元的统计发现，出现人口收缩现象的地区共包含65个单元，占比超过半数。县与县级市占比较大（分别为75%和83.78%），而市辖区占比较小（表2）。
图1 广东省人口收缩与增长地区分布

注：该图基于广东省标准地图服务网站下载的审图号GS（2021）3715的标准地图制作，底图无修改；图3、5同。

Fig.1 Distribution of population evolution in Guangdong Province

图2 广东省收缩区县人口逐年演变热力

Fig.2 Population evolution of shrinking counties in Guangdong Province

表 2 各类行政单元数量统计

Table 2 Statistics on the number of various administrative units

类型 数量/个 收缩数量/个 占比/%
总计 122 65 53.27
县级市 20 15 75.00
市辖区 65 19 29.23
县（自治县） 37 31 83.78

2.2　分时期区县尺度人口收缩类型划分

从2个阶段人口收缩类型的空间分布（图3）看：1）粤北山区的收缩范围向南迁移。其中韶关市各县域收缩程度整体下降，如乐昌市、仁化县与始兴县收缩强度减弱，乳源县、南雄市、武江区等从人口收缩中得以恢复。而梅州市的收缩程度整体上升，平远县、五华县、大埔县与兴宁市均在2010—2020年转变为持续强收缩；2）粤东粤西地区人口收缩的持续性增加，东部收缩强度增加，其中揭阳市整体收缩程度加剧；3）珠三角9市相邻区县的收缩程度整体加强，如高要区、翁源县、清新区等，在一定程度上反映珠三角“虹吸效应”的增强。
图3 2000—2010（a）、2010—2020年（b）广东省2个阶段收缩类型分布

Fig.3 Distribution of the shrinkage types of Guangdong Province in 2000-2010(a) and 2010-2020(b)

从时间维度看，广东省收缩地区的整体收缩强度增加，收缩持续长度增加，收缩区范围扩大，人口收缩成为更普遍、缓慢而持续的现象（表3）。市辖区、县域与县级市在后一阶段收缩持续程度均有所增强，尤其是持续弱收缩类型数量增加，收缩范围扩大，而无收缩地区数量均减少。
表3 2000—2020年广东省分阶段收缩类型

Table 3 Statistics of the shrinkage types of Guangdong Province in 2000-2010 and 2010-2020

类型 时间段 市辖区 县级市 县域

持续

强收缩

 2000—2010 坡头区

乐昌市、连州市、

南雄市、台山市

 始兴县、仁化县、南澳县、广宁县、阳山县、连山县、乳源县、翁源县
2010—2020 越秀区、清新区 兴宁市 大埔县、五华县、平远县、蕉岭县、揭西县、陆河县

持续

弱收缩

 2000—2010 武江区、金平区、梅县区 — 蕉岭县、平远县
2010—2020

浈江区、曲江区、盐田区、金平区、潮南区、高要区、城区、潮安区、

榕城区、云安区

 乐昌市、台山市、恩平市、廉江市、雷州市、吴川市、英德市、普宁市、陆丰市 始兴县、仁化县、翁源县、新丰县、遂溪县、徐闻县、广宁县、怀集县、封开县、德庆县、阳西县、饶平县、郁南县、紫金县

间断

强收缩

 2000—2010 电白区、濠江区、江海区、云安区 高州市、信宜市、雷州市 连南县、怀集县、龙门县、饶平县、郁南县
2010—2020 — — 龙川县、和平县

间断

弱收缩

 2000—2010 盐田区 恩平市、吴川市、陆丰市 新丰县、遂溪县、封开县、大埔县、新兴县
2010—2020 湘桥区 罗定市 丰顺县、惠来县
无收缩 2000—2010

越秀区、浈江区、曲江区、潮南区、高要区、城区、清新区、湘桥区、

潮安区、榕城区

 廉江市、兴宁市、英德市、普宁市、罗定市 徐闻县、德庆县、丰顺县、五华县、陆河县、紫金县、龙川县、和平县、阳西县、揭西县、惠来县
2010—2020 武江区、濠江区、江海区、坡头区、电白区、梅县区 南雄市、高州市、信宜市、连州市 乳源县、南澳县、龙门县、阳山县、连山县、连南县、新兴县

3 影响因素实证分析

采用多分类Logit回归模型与随机森林模型，分析各维度的因素对于不同类型人口收缩区形成的影响，并判断各影响因素的重要程度以及阈值范围。将时间作为虚拟变量，对2个时期共106个样本进行处理与分析。

3.1　多分类Logit回归结果分析

从回归模型运算结果看，模型的对数似然比通过显著性检验，模型效果较好，模型精确率为50.20%。根据多分类Logit回归结果（表4），共有9个具有显著性影响的变量。在人口结构维度中，老年人口占比是影响各类型人口收缩的重要内生因素，存在普遍性影响，即老年人口占比越高的地区，越可能出现人口收缩，尤其是持续性人口收缩。经济产业维度的第三产业产值增量占比，社会生活维度的地方财政一般预算支出、城乡居民人均储蓄存款余额和公共服务水平以及自然生态维度的地理区位、地形起伏度和是否生态保护区均会对特定类别的人口收缩产生特定影响。
表4 多分类Logistic 回归分析结果

Table 4 Results of multinomial Logistic Regression analysis

维度 变量

持续

强收缩

持续

弱收缩

间断

强收缩

间断

弱收缩

人口

结构

 出生率 -0.443 3.164 0.02 -1.254*
老年人口占比 11.438*** 6.931** 4.654* 4.274*
性别比 0.008 -1.682 1.11 1.121

经济

产业

第三产业产值

增量占比

 0.156 -1.769** 3.784** 0.921
人均GDP 1.823 2.913 0.888 1.509

社会

生活

地方财政一般

预算支出

 -0.681 0.284 1.179* 0.668

城乡居民人均

储蓄存款余额

 -1.235* -0.578* -0.082 0.121
公共服务水平 -4.655** -3.275* -0.881 -2.194*

自然

生态

 地理区位 -1.269* -0.855 -2.785** -0.03
地形起伏度 -0.48 0.383 -0.658 1.625*
生态用地占比 0.556 -1.774 1.447 -3.418

是否生态保护区

（虚拟变量）

 4.241** 3.758** 27.176 0.853
时间 1.448 3.638 -0.137 -1.641
截距 -3.489 -2.923 -21.583 4.07
似然比检验 χ 2（52）=134.325，P=0.000
McFadden R 2 0.495
Cox & Snell R 2 0.779
Nagelkerke R 2 0.818

注：1）* P＜0.1，** P＜0.05，*** P＜0.01；2）参照项：无收缩。

3.2　影响因子重要性排序

由平均准确性下降程度（MDA）结果（表5）可知，对于不同类型的人口收缩地区而言，各因素对其影响的重要程度排序存在差异。对于持续性收缩地区，老年人口占比占主要地位，出生率、公共服务水平、城乡居民人均储蓄存款、人均GDP等影响相对较为重要。间断强收缩地区，地理区位和地形起伏度为最重要的影响因素；间断弱收缩地区，地形起伏度等为重要的影响因素。
表5 分类型影响因子重要性排序

Table 5 Order of importance of impact factors by type

维度 变量 持续强收缩 持续弱收缩 间断强收缩 间断弱收缩
MDA 排序 MDA 排序 MDA 排序 MDA 排序
人口结构 出生率 1.87 4 2.57 3 -1.77 3 0.06 12
老年人口占比 10.60 1 7.90 1 0.87 10 0.43 9
性别比 0.32 12 0.54 10 -0.59 11 -0.48 7
经济产业 第三产业产值增量占比 -1.80 5 -1.24 6 -1.05 7 -2.16 2
人均GDP 1.93 3 2.07 5 0.08 12 -2.07 3
社会生活 地方财政一般预算支出 0.74 8 -2.31 4 -1.13 6 1.52 4
城乡居民人均储蓄存款余额 1.36 7 5.12 2 1.04 8 -0.46 8
公共服务水平 2.67 2 0.86 8 -1.54 4 -0.32 10
自然生态 地理区位 0.53 10 0.37 11 -2.58 1 -1.47 5
地形起伏度 -1.45 6 -0.77 9 -1.89 2 2.49 1
生态用地占比 -0.40 11 -1.02 7 -0.92 9 0.93 6
是否生态保护区 0.63 9 -0.22 12 -1.36 5 -0.30 11

3.3　分类型影响因素分析

3.3.1　持续性收缩影响因素

持续性收缩地区主要受到老年人口占比、城乡居民人均储蓄存款余额、公共服务水平与生态保护区划的显著影响。其中，老年人口占比是最为重要的影响因素，老年人口占比增加量在2%~4%时，存在显著正向影响（图4）。随着性别结构失衡、生育率的下降与老年人平均寿命的延长，老龄化已成为广东省主要的人口特征；同时，在区位差异的影响下，适龄劳动人口的外流加速年龄结构极化，尤其体现在县域单元。老年人口占比增加，青壮劳动力占比减少，进一步加剧人口活力、经济活力的降低，影响潜在经济增长率和高质量发展，进而导致收入水平降低、公共设施老化、社会福利降低等问题，从而加速人口缩减。结合已有研究（Chi et al., 2011; Ma, 2022）可得，老年人口占比因素与人口收缩之间相互影响，循环累积，造成人口收缩的持续性。
图4 广东省持续性收缩部分影响因素PDP（a、d. 老年人口占比；b、e. 公共服务水平；c、f. 城乡居民人均储蓄）

Fig.4 PDP chart of some factors influencing the persistent shrinkage in Guangdong Province (a, d. proportion of elderly population; b, e. level of public services; c, f. per capita savings of urban and rural residents)

城乡居民人均储蓄存款余额与公共服务水平对持续性收缩地区也具有显著影响。城乡居民人均储蓄存款、公共服务水平较低的地区往往已处于收缩的后期，进入持续的循环累积阶段，从而造成人口的持续收缩。该影响存在阈值效应，当公共服务水平指数为负增长时，对人口收缩的影响显著，而城乡居民人均储蓄存款余额余额增长在1.2万元内对人口收缩的影响显著（见图4）。收入、教育、医疗、养老等问题是人民群众最关心、最直接、最现实的利益问题。随着城乡二元分割逐渐转向城乡一体化发展，县域在地方发展、社会治理等方面内在能力不足的问题日渐凸显，且供需存在矛盾，难以有效满足城镇化进程中经济社会发展的现实需求。根据“推拉理论”与“人口迁移法则”，广东省区县城乡居民人均储蓄存款余额、公共服务水平的不均衡分布是造成人口迁移的重要原因之一，反映运营资金短缺、治理体系空缺等多方面问题，且该过程存在循环累积效应。
生态保护区划对于持续性收缩地区具有显著影响，被划定为生态保护区（包含农业区）的地区更可能出现持续性人口收缩。生态区的保护与发展受到政策的调控，从2012年广东省主体功能区划看，人口收缩地区中，被划定为生态保护区的县域占比很高（图5），说明广东省大部分收缩地区承载着保障国家粮食安全和严守生态红线的任务，因此，如何在保护与发展之间寻求平衡点成为其长期的难题。随着时间推进，主要收缩地区逐渐由生态保护区向更靠近中心的城镇开发区转移，说明该因素对于人口持续收缩的影响逐渐弱化。
图5 广东省收缩地区的主体功能区划类型

Fig.5 Main functional zoning types of shrinkage areas of Guangdong Province

3.3.2　间断性收缩影响因素

间断性收缩除了受到人口结构因素的影响外，还受到地方财政、产业转型、自然地形等因素的影响。间断强收缩地区受到地方财政一般预算支出和第三产业占比的显著影响。地方财政预算支出增长量＜400 000万元时表现为负向影响，在400 000万~600 000万元时表现为正向影响（图6-a），说明财政支出超过一定数量后将加剧地方财政负担，反而会造成人口的间断性强收缩。这与已有研究（齐红倩 等，2021）的结论一致，即人口变化与地方财政是相互影响的，一方面，人口流出导致劳动力减少、企业产值下降，进而减少税收等财政收入；另一方面，人口老龄化增加了养老、医疗等社会保障支出，加重了财政负担。财政水平的下降直接导致公共服务质量下滑和人口流失，形成恶性循环。
图6 间断性收缩部分影响因素PDP（a. 地方财政；b. 产业转型；c. 自然地形）

Fig.6 PDP chart of some factors influencing the intermittent shrinkage (a. local fiscal; b. industrial transformation; c. terrain)

第三产值占比的变化在一定程度上反映产业结构变化与产业转型情况。第三产业占比增加量在30%~50%时，第三产业产值增量高的地区更容易出现人口的间断性强收缩（图6-b）。由于第三产业的发展具有较大的不确定性，且低端服务业韧性较差，对人口规模变化的作用较为复杂，既可能吸引人口就业，同时也容易产生人口流失。已有研究在第三产业如何影响人口变动的议题上存在一定分歧：一方面，产业结构调整通过扩大生产规模和经济范围产生更大的劳动力需求，对人口规模表现为拉动效应（柯善咨 等，2014；杜志威 等，2018）；另一方面，产业结构调整通常伴随着产品结构的剧烈转换、资本构成的持续提高以及传统产业的急剧衰退，因此产生的资本替代劳动和结构性失业对人口规模表现为挤出效应（Ottaviano, 2011; Chen et al., 2021）。基于团队在全国乡村建设评价的实践调研发现，间断性强收缩地区（如饶平县、龙川县）在产业转型过程中，由于产业结构调整，可能导致某些传统产业衰退，新兴产业尚未完全发展起来，经济和就业环境不稳定，从而造成人口流失（潘沐哲 等，2024）。
地形起伏度是造成间断性弱收缩的重要因素，在0.5~0.75，地形起伏度越高的地区越可能出现人口间断弱收缩（图6-c）。地形不平整的地区往往不适宜城市发展，尤其是海拔较高的山地，会对人口的外流产生一定影响。由于间断性弱收缩类型处于收缩现象初期，受到人口内生因素以及社会经济因素的影响较小，因此地形因素的重要性得以显现。

3.3.3　强收缩影响因素

地理区位显著影响强收缩类型地区。地理区位反映地区可达性、与市中心的通达性等，能体现位置、自然地形、交通等多方面的优劣。根据模型结果，对于程度较强的人口收缩地区，区位条件便利、距离市中心近的地区外迁成本低，更有可能受到“虹吸效应”的影响，迁入吸引力更大的中心地区，从而造成人口持续强收缩；而位置偏僻、距离市中心较远的地区外迁成本高，不利于人口外溢。当距离市中心的车行距离＞70 km时，距离的增加将不再影响持续强收缩地区的人口变化；对于间断强收缩地区，距离增加将会促进人口的减少，即距离市中心的车行距离越远，越可能出现人口收缩（图7）。这与已有研究（刘振 等，2020；佘丽敏 等，2024）一致，较好地解释了地级市市区周边县域收缩趋势普遍较其他县域明显的特征。
图7 持续（a）和间断（b）强收缩区位条件PDP

Fig.7 PDP of location condition influencing continuous (a) and intermittent (b) strong shrinkage

3.4　影响因素综合分析

人口收缩是一个复杂、非线性的现象，既是果又是因，因果累积循环。人口结构维度是影响人口收缩的内生因素，在“少生优生”生育观念的影响，以及性别比例的长期失衡的背景下，人口自然增长率降低，老龄化严重，人口规模自然缩减。此外，不断加快的城镇化，势必会吸引大量人口从乡村迁移到城镇，从中小城市迁移到大城市，而人口的外流也阻碍了城镇化的进程。经济产业、社会生活与自然生态3个维度是影响人口收缩的主要外在因素，由于经济水平、生活质量与生态本底等要素分布存在差异，形成了一定的人口“推拉”力。处于发展边缘的地区，因自身发展条件不足，对人口的吸引力较弱，导致人口外流，进而出现人口收缩现象。这4个维度的因素具有整体性、交互性，与人口收缩现象之间存在双向联系，既是人口收缩的影响因素，也是人口收缩的附加表象（图8）。同时，行政区划的调整也起一定的影响作用，如电白区、濠江区、江海区、湘桥区等单元的收缩均为间断性收缩，且发生在行政区划调整的时段。
图8 广东省收缩地区的影响机制

Fig.8 Mechanisms of population shrinkage in Guangdong Province

4 结论与讨论

4.1　结论

1）广东省人口收缩地区多分布于珠三角外围，存在空间上的核心―边缘不均衡，同时存在县、县级市与市辖区之间的差异。县与县级市是人口收缩的主要地区，存在收缩范围广、程度深、时间久的特征。
2）通过分析2000—2010和2010—2020年2个阶段的收缩类型，发现广东省整体收缩强度增加，收缩持续性增强，收缩区范围扩大，人口收缩成为更加普遍、缓慢而持续的现象，尤其体现在县域。从空间分布演变看，粤北山区的东部（以梅州市为主）与粤东地区的人口收缩程度加深，而粤北山区北部（以韶关市为主）程度减弱，出现收缩恢复趋势。
3）在全球化、区域化、老龄化等宏观背景下，广东省人口收缩地区的形成受到人口结构、经济产业、社会生活与自然生态4个维度多因素的交互影响，其机制复杂，是一个循环累积与反馈的过程。持续性人口收缩主要受人口结构的影响，尤其是老龄化问题的加剧，导致长期稳定的人口减少。同时，经济社会因素也对持续性人口收缩产生影响，公共服务水平的下降和居民人均存款的减少都是重要的抑制因素，这些因素可能导致居民生活质量下降，进而影响人口的稳定性。此外，生态保护区的政策调控也是一个不可忽视的因素，对人口分布和流动有直接影响。而间断性收缩除了人口内生因素的影响外，还受到产业调整、地方财政一般预算支出等社会经济方面的影响，这些因素可能导致短期经济活动的波动，从而影响人口分布。

4.2　讨论

已有关于广东地区人口收缩的研究大多以人口数量作为因变量，探究各类因素对人口数量变化的影响。本文在人口收缩分类的基础上，以类型为因变量，探究不同收缩类型的主要影响因素及其重要程度和影响阈值，为各类地区的发展策略制定提供更具有针对性的依据。
广东省人口收缩现象的应对需以适应地区发展需求为导向，避免盲目增长。处在收缩早期，收缩程度与持续性较弱的地区仍具备一定的竞争力，可引导适量的人口回流或吸引新的人口和企业进入；而处于收缩中后期，持续收缩且程度较强的地区往往处生态保护区或区域发展边缘，竞争优势不足，应遵循“精明收缩”理念，其出发点不是如何吸引新人，而是如何留住现有居民（Hospers, 2013）。
1）对于持续性收缩地区，解决公共服务水平与居民收入水平滞后问题，是缩小区域差距的关键举措。“为更少的人规划”旨在改善生活质量，完成“硬件”与“软件”升级。通过提升县城、中心镇等地区的基础设施和公共服务水平，让有迁入城市意愿的农村人口逐步融入城市生活，促进农村转移人口城市化。此外，在老龄化社会背景下，需全面考虑老年人口生活需求，为留守老人创造美好的生活环境。2）对于处于弱势发展地位的广东省县域，不能一味追求经济增长，而要紧密结合地域差异，从区域整体出发，充分发挥其资源优势与生态优势。落实重要的农业生产区和生态保护区的保护与发展规范，主动适应人口收缩，完善公共服务配套，增加财政支撑，以提升人民生活水平，进而摆脱人口流失与设施供给的恶性循环。通过政府调控和市场配置等手段，逐步建立自然资源有偿使用和生态补偿机制，以及生态激励型财政机制，加大对山区生态建设的支持，推动山区生态保护和开发的可持续发展。3）产业转型的成功关键在于能否形成相互协调的产业结构，从而为县域经济创造更高的效益。尤其在区域性产业分工合作的背景下，县域的产业发展应与更高层级的城市整体发展相结合，找到自身在城市、区域的产业定位，实现合作共赢格局。不盲目摆脱路径依赖，追求退二进三、产业转型，而是实现先升级后转型，这才是未来广东省人口收缩地区的产业发展理念。

1 https://gdzd.stats.gov.cn/dcsj/gdsnjsj/201902/t20190201_154503.html

2 https://www.stats.gov.cn/sj/pcsj/

3 https://lbs.amap.com/

陈婷婷：论文撰写与修改、数据分析、基金支持；

吴立坤：数据收集与处理，分析及可视化，论文撰写。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Alves D, Barreira A P, Guimarães M H, and Panagopoulos T. 2016. Historical Trajectories of Currently Shrinking Portuguese Cities: A Typology of Urban Shrinkage. Cities, 52: 20-29.

敖荣军，周笑琦，陈京. 2023. 从技术关联到技能关联：理解区域演化路径的新视角. 地理科学进展，42（3）：558-572.

Ao Rongjun, Zhou Xiaoqi, and Chen Jing. 2023. From Technological Relatedness to Skill Relatedness: A New Perspective for Understanding Regional Evolution Pathways. Progress in Geography, 42(3): 558-572.

Birch D L. 1971. Toward a Stage Theory of Urban Growth. Journal of the American Institute of Planners, 37(2): 78-87.

Chen T, Hui E C M, Tu Y, and Lang W. 2021. Growth or Shrinkage: Discovering Development Patterns and Planning Strategies for Cross-Border Areas in China. Journal of Urban Planning and Development, 147(4): 05021046.

陈肖飞，郜瑞瑞，韩腾腾，张胜男. 2020. 人口视角下黄河流域城市收缩的空间格局与影响因素. 经济地理，40（6）：37-46.

Chen Xiaofei, Gao Ruirui, Han Tengteng, and Zhang Shengnan. 2020. Spatial Pattern and Influencing Factors of Urban Shrinkage in the Yellow River Basin from the Spatial Pattern and Influencing Factors of Urban Shrinkage in the Yellow River Basin from the Perspective of Population Change. Economic Geography, 40(6): 37-46.

Chi G, Ventura S J, and Poot J. 2011. Population Change and Its Driving Factors in Rural, Suburban, and Urban Areas of Wisconsin, USA, 1970–2000. International Journal of Population Research, 2011: 856534.

邓佳栩，潘雨红. 2022. 成渝地区人口收缩特征与影响因素研究. 城乡规划，（6）：10-19.

Deng Jiaxu and Pan Yuhong. 2022. Research on Characteristics and Influencing Factors of Population Shrinkage in Chengdu-Chongqing Area. Urban & Rural Planning,(6): 10-19.

杜志威，李郇. 2017. 珠三角快速城镇化地区发展的增长与收缩新现象. 地理学报，72（10）：1800-1811.

Du Zhiwei and Li Xun. 2017. Growth or Shrinkage: New Phenomena of Regional Development in the Rapidly-Urbanising Pearl River Delta. Acta Geographica Sinica, 72(10): 1800-1811.

杜志威，李郇. 2018. 基于人口变化的东莞城镇增长与收缩特征和机制研究. 地理科学，38（11）：1837-1846.

Du Zhiwei and Li Xun. 2018. Characteristic and Mechanism of Urban Growth and Shrinkage from Demographic Change Perspective: A Case Study of Dongguan. Scientia Geographica Sinica, 38(11): 1837-1846.

杜志威，张虹鸥，叶玉瑶，金利霞，王长建. 2019. 2000年以来广东省城市人口收缩的时空演变与影响因素. 热带地理，39（1）：20-28.

Du Zhiwei, Zhang Hong'ou, Ye Yuyao, Jin Lixia, and Wang Zhangjian. 2019. Spatiotemporal Evolution and Influences of Urban Population Shrinkage in Guangdong Since 2000. Tropical Geography, 39(1): 20-28.

冯章献，李嘉鑫，王士君，杨志鹏，季顾烽. 2023. 东北地区收缩城市活力演化及影响因素分析. 地理科学，43（5）：774-785.

Feng Zhangxian, Li Jiaxin, Wang Shijun, Yang Zhipeng, and Ji Gufeng. 2023. Dynamic Evolution and Influencing Factors of Urban Vitality of Shrinking Cities in Northeast China. Scientia Geographica Sinica, 43(5): 774-785.

Gao S. 2017. Tracing the Phenomenon, Concept and Research of Shrinking Cities. Tracing the Phenomenon, Concept and Research of Shrinking Cities, 3(32): 50-58.

高喆，尹宁玮，童馨仪，李东欣，顾江. 2019. 城镇增长下的收缩：以武汉为例. 热带地理，39（1）：29-36.

Gao Zhe, Yin Ningwei, Tong Xinyi, Li Dongxin, and Gu Jiang. 2019. Shrinkage under Urban Growth: A Case Study of Wuhan City. Tropical Geography, 39(1): 29-36.

广东省人民政府. 2018. 广东省人民政府关于印发广东省主体功能区规划的通知. （2018-01-13）[2024-02-08]. https://www. gd.gov.cn/gkmlpt/content/0/146/post_146572.html#7.

Government of Guangdong Province. 2018. Guangdong Provincial People's Government on Issuing the Guangdong Province Main Functional Areas Plan. (2018-01-13) [2024-02-08]. https://www. gd.gov.cn/gkmlpt/content/0/146/post_146572.html#7.

国家发展改革委. 2019. 发展改革委关于印发《2019年新型城镇化建设重点任务》的通知. （2019-04-08）[2024-02-08]. https://www.gov.cn/xinwen/2019-04/08/content_5380457.htm.

National Development and Reform Commission. 2019. Notice on Issuing the "Key Tasks for New-Type Urbanization Construction in 2019" by the National Development and Reform Commission. (2019-04-08) [2024-02-08]. https://www.gov.cn/xinwen/2019-04/08/content_5380457.htm.

国家发展改革委. 2020. 国家发展改革委关于印发《2020年新型城镇化建设和城乡融合发展重点任务》的通知. （2020-04-09）[2024-02-08]. https://www.ndrc.gov.cn/xxgk/zcfb/tz/202004/t20200409_1225431.html.

National Development and Reform Commission. 2020. Notice of the National Development and Reform Commission on Issuing the "Key Tasks for New-Type Urbanization Construction and Urban-Rural Integration and Development in 2020". (2020-04-09) [2024-02-08]. https://www.ndrc.gov.cn/xxgk/zcfb/tz/202004/t20200409_1225431.html.

国家统计局农村社会经济调查司. 2001. 中国县域统计年鉴-2001（县市卷）. 北京：中国统计出版社.

National Bureau of Statistics of China, Department of Rural Social and Economic Survey. 2001. China County Statistical Yearbook- 2001(County and City Edition). Beijing: China Statistics Press.

国家统计局农村社会经济调查司. 2011. 中国县域统计年鉴-2011（县市卷）. 北京：中国统计出版社.

National Bureau of Statistics of China, Department of Rural Social and Economic Survey. 2011. China County Statistical Yearbook- 2011 (County and City Edition). Beijing: China Statistics Press.

国家统计局农村社会经济调查司. 2021. 中国县域统计年鉴-2021（县市卷）. 北京：中国统计出版社.

National Bureau of Statistics of China, Department of Rural Social and Economic Survey. 2021. China County Statistical Yearbook- 2021 (County and City Edition). Beijing: China Statistics Press.

Hartt M. 2018. The Diversity of North American Shrinking Cities. Urban Studies, 55(13): 2946-2959.

Häußermann H and Siebel W. 1988. Die Schrumpfende Stadt und die Stadtsoziologie. In: Friedrichs J. Soziologische Stadtforschung. Opladen: Westdeutscher Verlag.

Hollander J B and Nemeth J. 2011. The Bounds of Smart Decline: A Foundational Theory for Planning Shrinking Cities. Housing Policy Debate, 21(3): 349-367.

Hospers G. 2013. Coping with Shrinkage in Europe's Cities and Towns. Urban Design International, 18(1): 78-89.

柯善咨，赵曜. 2014. 产业结构、城市规模与中国城市生产率. 经济研究，49（4）：76-88.

Ke Shanzi and Zhao Yao. 2014. Industrial Structure, City Size and Urban Productivity in China. Economic Research Journal, 49(4): 76-88.

李郇，杜志威，李先锋. 2015. 珠江三角洲城镇收缩的空间分布与机制. 现代城市研究，（9）：36-43.

Li Xun, Du Zhiwei, and Li Xianfeng. 2015. The Spatial Distribution and Mechanism of City Shrinkage in the Pearl River Delta. Modern Urban Research,(9): 36-43.

刘涛，卓云霞. 2022. 中国县级人口变动的空间格局及影响因素——基于第七次全国人口普查数据的新探索. 人口研究，46（6）：72-87. [Liu Tao and Zhuo Yunxia. 2022. A County-Level Analysis of China's Population Change: Insights from the 7th Population Census. Population Research, 46(6): 72-87. ]

刘振，戚伟，齐宏纲，刘盛和. 2020. 1990—2015年中国县市尺度人口收缩的演变特征及影响因素. 地理研究，39（7）：1565-1579.

Liu Zhen, Qi Wei, Qi Honggang, and Liu Shenghe. 2020. The Evolution of Regional Population Decline and Its Driving Factors at the County Level in China from 1990 to 2015. Geographical Research, 39(7): 1565-1579.

龙瀛，吴康，王江浩. 2015. 中国收缩城市及其研究框架. 现代城市研究，（9）：14-19. [Long Ying, Wu Kang, and Wang Jianghao. 2015. Shrinking Cites in China. Modern Urban Research,(9): 14-19. ]

陆明，徐益宁，张岩. 2023. 人口变化视角下城市收缩格局演变特征及影响机制——以鹤岗市中心城区为例. 城市发展研究，30（6）：24-35.

Lu Ming, Xu Yining, and Zhang Yan. 2023. Study on the Evolution Characteristics and Influencing Mechanism of Urban Shrinkage Pattern from the Perspective of Population Change: A Case Study of the Central Urban Area of Hegang City. Urban Development Studies, 30(6): 24-35.

Ma S, Kumakoshi Y, Koizumi H, and Yoshimura Y. 2022. Determining the Association of the Built Environment and Socioeconomic Attributes with Urban Shrinking in Yokohama City. Cities, 120: 103474.

Martinez-Fernandez C, Audirac I, Fol S, and Cunningham-Sabot E. 2012. Shrinking Cities: Urban Challenges of Globalization. International Journal of Urban and Regional Research, 2(36): 213-225.

Martinez-Fernandez C, Weyman T, Fol S, Audirac I, Cunningham Sabot E, Wiechmann T, and Yahagi H. 2015. Shrinking Cities in Australia, Japan, Europe and the USA: From a Global Process to Local Policy Responses. Progress in Planning, 105: 1-48.

孟祥凤，马爽，项雯怡，阚长城，吴康，龙瀛. 2021. 基于百度慧眼的中国收缩城市分类研究. 地理学报，76（10）：2477-2488.

Meng Xiangfeng, Ma Shuang, Xiang Wenyi, Kan Changcheng, Wu Kang, and Long Ying. 2021. Classification of Shrinking Cities in China Using Baidu Big Data. Acta Geographica Sinica, 76(10): 2477-2488.

Mykhnenko V and Turok I. 2008. East European Cities—Patterns of Growth and Decline, 1960–2005. International Planning Studies, 13(4): 311-342.

Oswalt P. 2005. Shrinking Cities, Volume 1: International Research. Ostfildern-Ruit: Hatje Cantz.

Ottaviano G I P. 2011. 'New' New Economic Geography: Firm Heterogeneity and Agglomeration Economies. Journal of Economic Geography, 11(2): 231-240.

Pallagst K, Fleschurz R, Nothof S, and Uemura T. 2021. Shrinking Cities: Implications for Planning Cultures? Urban Studies, 58(1): 164-181.

Pallagst K, Wiechmann T, and Martinez-Fernandez C. 2013. Shrinking Cities: International Perspectives and Policy Implications. New York: Routledge.

潘沐哲，黄耀福，李郇. 2024. 规划统筹视角下“以评促建”的乡村建设路径探索——基于全国乡村建设评价的实践. 小城镇建设，42（10）：5-11.

Pan Muzhe, Huang Yaofu, and Li Xun. 2024. Exploring the Rural Construction Path of 'Evaluation for Construction' Under the Perspective of Planning Coordination: Based on the Practice of National Rural Construction Evaluation. Development of Small Cities & Towns, 42(10): 5-11.

齐红倩，杨燕，刘岩. 2021. 人口结构变动对我国地方财政负担的影响. 经济问题探索，（5）：17-25.

Qi Hongqian, Yang Yan, and Liu Yan. 2021. The Impact of Population Structure Change on Local Financial Burden in China. Inquiry into Economic Issues,(5): 17-25.

Rieniets T. 2009. Shrinking Cities: Causes and Effects of Urban Population Losses in the Twentieth Century. Nature and Culture, 4: 231-254.

沈瑶，朱红飞，刘梦寒，木下勇. 2020. 少子化、老龄化背景下日本城市收缩时代的规划对策研究. 国际城市规划，35（2）：47-53.

Shen Yao, Zhu Hongfei, Liu Menghan, and Mu Xiayong. 2020. A Study on the Planning Strategies in the Urban Shrinkage of Japan under the Background of Low Fertility Rate and Aging. Urban Planning International, 35(2): 47-53.

孙青，张晓青，路广. 2019. 中国城市收缩的数量、速度和轨迹. 城市问题，（8）：24-29.

Sun Qing, Zhang Xiaoqing, and Lu Guang. 2019. Size, Speed and Trajectory of Chinese Cities' Shrinking. Urban Problems,(8): 24-29.

Wiechmann T and Pallagst K M. 2012. Urban shrinkage in Germany and the USA: A Comparison of Transformation Patterns and Local Strategies. International Journal of Urban and Regional Research, 36(2): 261-280.

吴康，孙东琪. 2017. 城市收缩的研究进展与展望. 经济地理，37（11）：59-67. [Wu Kang and Sun Dongqi. 2017. Progress in Urban Shrinkage Research. Economic Geography, 37(11): 59-67. ]

杨青，蔡银莺. 2020. 湖北省人口收缩城市的空间格局与类型识别. 城市问题，（2）：58-65.

Yang Qing and Cai Yinying. 2020. Spatial Distribution and Classification of Population Shrinking Cities in Hubei Province. Urban Problems,(2): 58-65.

Yang J and Huang X. 2021. The 30 m Annual Land Cover Dataset and Its Dynamics in China from 1990 to 2019. Earth System Science Data, 13(8): 3907-3925.

衣霄翔，王淑钰，张郝萍，邹志翀，袁兆坤，张力月. 2023. 人口收缩背景下城镇建设用地的挑战与出路——以我国东北三省为例. 城市规划学刊，（6）：68-78.

Yi Xiaoxiang, Wang Shuyu, Zhang Haoping, Zou Zhichong, Yuan Zhaokun, and Zhang Liyue. 2023. Challenges and Prospects of Urban Construction Land in the Context of Population Shrinkage: A Case Study of Three Northeastern Provinces in China. Urban Planning Forum,(6): 68-78.

游珍，封志明，杨艳昭. 2018. 中国地形起伏度公里网格数据集. （2018-03-16）[2024-02-08]. https://doi.org/10.3974/geodb. 2018.03.16.V1.

You Zhen, Feng Zhiming, and Yang Yanzhao. 2018. Relief Degree of Land Surface Dataset of China at Kilometer Grid Scale. (2018-03-16) [2024-02-08]. https://doi.org/10.3974/geodb.2018.03.16.V1.

佘丽敏，邱永胜. 2024. 山东省县域乡村收缩时空格局及其影响因素. 中国农业资源与区划，45（7）：207-220.

She Limin and Qiu Yongsheng. 2024. The Spatiotemporal Pattern and Influencing Factors of Shandong Province County Rural Shrinkage. Chinese Journal of Agricultural Resources and Regional Planning, 45(7): 207-220.

张明斗，曲峻熙. 2019. 长江中游城市群城市收缩的空间格局与结构特征. 财经问题研究，（8）：113-121.

Zhang Mingdou and Qu Junxi. 2019. Spatial Pattern and Structural Characteristics of Urban Contraction in the Middle Reaches of the Yangtze River. Research on Financial and Economic Issues, (8): 113-121.

张旭亮，周思敏. 2023. 中国县域人口收缩空间格局与影响因素. 经济地理，43（7）：42-51.

Zhang Xuliang and Zhou Simin. 2023. Evolution of Regional Population Decline and Its Driving Factors at the County Level in China. Economic Geography, 43(7): 42-51.

赵彪. 2022. 中国县收缩的时空演化特征及其影响因素. 世界地理研究，33（1）：119-133.

Zhao Biao. 2022. The Spatio-Temporal Evolution Characteristics of County Shrinkage and Its Influencing Factors in China since Reform and Opening up. World Regional Studies, 33(1): 119-133.

中共中央办公厅 国务院办公厅. 2022. 中共中央办公厅 国务院办公厅印发《关于推进以县城为重要载体的城镇化建设的意见》. （2022-05-06）[2024-02-08]. https://www.gov.cn/zhengce/2022-05/06/content_5688895.htm.

General Office of the Central Committee of the Communist Party of China and General Office of the State Council. 2022. General Office of the Central Committee of the Communist Party of China and General Office of the State Council Issued the "Opinions on Promoting the Urbanization Construction with Counties as Important Carriers". (2022-05-06) [2024-02-08]. https://www.gov.cn/zhengce/2022-05/06/content_5688895.htm.

Options
Outlines

/

〈 〉