删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于地理学综合视角的胡焕庸线IPCC复合情景(SSPs-RCPs)模拟和预测

本站小编 Free考研考试/2021-12-29

夏海斌,1,2,3, 刘敏,1,2,31.地理信息科学教育部重点实验室,上海 200241
2.华东师范大学地理科学学院,上海 200241
3.自然资源部超大城市自然资源时空大数据分析应用重点实验室,上海 200062

Hu Huanyong Line based on geographical synthesis: Simulation and prediction under SSPs-RCPs scenario matrix

XIA Haibin,1,2,3, LIU Min,1,2,31. Key laboratory of Geographic Information Science, Ministry of Education, East China Normal University, Shanghai, 200241
2. School of Geographic Sciences, East China Normal university, Shanghai, 200241
3. Key Laboratory of Spatio-temporal Big Data Analysis and Application of Natural Resources in Megacity, Ministry of Natural Resources, Shanghai,200062, China

通讯作者: 刘敏(1963-),男,内蒙古土左旗人,教授,博士生导师,研究方向为城市自然地理,自然-人文耦合。E-mail: mliu@geo.ecnu.edu.cn

收稿日期:2020-09-3修回日期:2021-08-16
基金资助:国家重点研发计划项目(2017YFE0100700)
国家社会科学基金项目(20BRK022)
上海市自然科学基金(19ZR1415200)
中国科学院学部咨询评议项目(二期)


Received:2020-09-3Revised:2021-08-16
作者简介 About authors
夏海斌(1979-),男,上海人,博士,副研究员,研究方向为人地关系与可持续发展、人口地理学。E-mail: hbxia@geo.ecnu.edu.cn




摘要
胡焕庸线(简称胡线)是重要的人口分界线,更是一条展现中国自然与人文地理综合视角下的国情分界线。通过构建环境因素影响下的人口潜力模型,结合四组气候系统模式驱动下的作物模型和水文模型,模拟共享社会经济路径(SSPs)和代表性浓度路径(RCPs)复合情景下中国未来近期(2030年)和中期(2050年)人口时空变化趋势。发现:① SSPs情景下中国未来胡焕庸线东西两侧人口比重差距将进一步拉大,而在考虑SSPs-RCPs的复合情景下,胡焕庸线东西两侧人口比重的差距比仅考虑SSPs情景时要有所缩小。前者的原因是胡线东侧地区城市规模和等级远高于胡线西侧地区,在中国人口城市化大背景下,胡线东侧人口占比相对提升。而后者原因是受气候变化影响,胡焕庸线西侧地区的水热条件变化较之东侧有利,从而更进一步提高了人口的环境承载力。② 中国的社会经济发展对胡焕庸线两侧人口比重的影响要远大于气候变化的影响。③ 从胡焕庸的北、中、南三段区域来探讨胡焕庸线突破的可能性,胡线中段区域由于黄河等河流流经区域有较好的水资源条件,有利于推进该区域的城镇化建设,成为人口向胡焕庸线以西迁移的突破口。
关键词: 胡焕庸线;人口时空变化;气候变化;SSPs-RCPs复合情景;人地耦合;可持续发展

Abstract
In this paper, a population potential model under the influence of environmental factors is constructed, and four sets of the crop model and water model driven by climate system models are combined to simulate the spatiotemporal evolution trend of China's population in the near (2030) and medium (2050) periods under SSPs-RCPs scenario matrix. It is found that under the SSPs scenario, the gap between population proportions on the east and west sides of Hu Huanyong Line (also known as Hu Line) in China will be further enlarged in the future, while under the scenario of SSP-RCPS, the population proportion gap on both sides of the Hu Line will be somewhat narrowed compared with the SSP scenario alone. The reason for the former is that the urbanization development on the east side of the Hu Line is much higher than that on the west side. Under the background of population urbanization in China, the population on the east side of the Hu Line increases. The latter is due to the favorable change of hydrothermal conditions on the west side of the Hu Line under the influence of climate change, which further improves the environmental carrying capacity of the population. The impact of social and economic development on change of population proportion on both sides of the Hu Line is far greater than the impact of climate change. This paper aims to explore the possibility of the breakthrough of the Hu Line from north, middle and south sections. We believe that the middle section will act as the breakthrough point because the region where Yellow River and other rivers flow through have rich water resources, which is favorable to the development of urbanization.
Keywords:Hu Huanyong Line;spatial and temporal population change;climate change;SSPs-RCPs scenario matrix;human-environment relationship;sustainable development


PDF (6081KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
夏海斌, 刘敏. 基于地理学综合视角的胡焕庸线IPCC复合情景(SSPs-RCPs)模拟和预测[J]. 地理研究, 2021, 40(10): 2838-2855 doi:10.11821/dlyj020200840
XIA Haibin, LIU Min. Hu Huanyong Line based on geographical synthesis: Simulation and prediction under SSPs-RCPs scenario matrix[J]. Geographical Research, 2021, 40(10): 2838-2855 doi:10.11821/dlyj020200840


1 引言

2014年11月27日,李克强总理在国家博物馆参观人居科学研究展时关注了胡焕庸线。之后相关专家将李克强总理的相关论述总结为“胡焕庸线该不该破,能不能破和怎么破”的“总理三问”。关于胡焕庸线的“破与不破”相关地理学家们有诸多争鸣[1]

自从胡焕庸先生在1935年提出“瑷珲-腾冲”人口分界线(胡焕庸线)之后[2],胡焕庸线的学术影响已超越了人口地理学,成为一条重要的国情地理界线。众多****运用1949年以来历次人口普查数据进一步验证了胡焕庸线的稳定性[3,4,5,6,7]。关于突破胡焕庸线的可能性论述主要集中在社会经济发展方面,比如通过城镇化建设、技术进步、教育和信息化[1,4,8,9]。但是从单因子角度无法揭示胡焕庸线的特征[10,11]。从自然和人文地理综合的视角来重新认识胡焕庸线就显得尤为必要。

对胡焕庸线的“稳定性”和“突破可能性”的探讨,究其本质意义而言是探讨如何实现中国东西部地区的共同富裕和发展,实现人地关系协调发展[12,13]。人类在迁移与定居过程中对环境的趋利避害选择一直是重要的生存策略[14]。事实上,早期人口分布及迁移的讨论更多地体现在“人粮关系”上[15]。从“人粮关系”出发,研究者向“人口-产业”关系和“人口-环境”关系两个方向进一步扩展[16]。由此形成“人口-社会经济-自然环境”三者联动探讨人口分布和迁移等问题。在20世纪相当长时间内,由于对“地理决定论”的批判,在对人口时空变化的解释中较少涉及到环境因素[17],更多地偏向从社会经济角度下展开讨论[18]。另外环境因素与其他社会经济等诸多因素共同交互作用于人口分布和迁移,使得严格区分这些因素作用程度是非常困难的[19]。Oliver-Smithz认为辨析自然-社会关系的复杂关系是人口时空变化讨论的核心[20]

从20世纪90年代开始,人们逐渐意识到气候变化驱动下的环境变化在人口空间分布变化中可能发挥作用[21,22,23]。气候变化通过极端或缓慢的灾害造成的影响,已经导致了一些地方人们离乡背井,流离失所[21],但是这也引起学术界的不少争议。一些****认为气候变化与人口分布变化之间的关系既不是线性的,也不是直接的。即使没有气候变化,人口空间流动也已经成为一个重要的全球现象[24,25]。此外****们意识到对于人口时空变化的研究必须同时考虑社会经济的变化和气候变化[26]。对于未来变化的预测和估计并不是盲目的,而是需要设定若干条可能路径的情景假设。IPCC的气候变化情景是其中的典型代表。20世纪90年代,IPCC开发了SRES气候变化情景,它研究人口,经济增长和温室气体排放的四种可能的未来轨迹,对应于不同的辐射强迫增加[27]。但同一水平的辐射强迫,可能是许多不同的社会经济前景或途径的结果。由此,在2014年发布的IPCC第五次评估报告中,研究人员采用了“代表性浓度路径”(RCPs)[28,29]。之后为了反映社会经济发展与气候情景的关联,IPCC发布了“共享社会经济路径”(SSPs)[30]。SSPs基于人类适应和缓解气候变化两个维度,形成五个可能影响未来的广泛社会经济发展趋势估计[31,32]

中国目前正经历人口总体增长缓慢但空间分布和结构迅速变化的发展阶段[33]。庞大的人口基数、快速变化的人口结构以及人口在空间上的流动和迁移使得人地关系中“人”的问题变得更为复杂。同时气候变化即是由人类活动所引发和加剧的,同时反作用于人类活动,使得人地关系中“地”的问题同时受到自然变率以及人为作用的双重影响。本文希望通过自然与人文地理综合视角下,基于IPCC的SSPs-RCPs复合情景对中国未来的人口时空分布展开模拟和分析。在促进可持续发展以及气候变化的大背景下,重新认识胡焕庸线的深刻内涵。

2 数据来源与研究方法

2.1 情景设定

SSPs情景(图1)描述了在没有气候变化和气候政策的情况下,未来社会经济的变化趋势。对于不同SSPs情景下总体人口、人口分布、人口结构的探讨使得气候变化的研究增加了“人的核心”(human core)[34,35]。SSP1和SSP5情景设定在教育和卫生方面进行了大量投资,经济迅速增长,社会运转良好,展望了人类发展的相对乐观的趋势,其中SSP5假设了一个能源密集型的、以化石燃料为基础的经济发展,因此SSP5被称之为化石燃料发展之路,而SSP1是一条向可持续发展转变的路径。SSP3(区域竞争路径)将重点放在实现本区域内的能源和粮食安全目标上,以牺牲更广泛的发展为代价,教育和卫生方面的投资减少,不平等现象日益严重。SSP4(不均衡发展之路)设定人力资本投资的高度不平等,再加上经济机会和政治权力方面的差距日益扩大,导致国家内部和国家之间的不平等和阶层分化日益加剧。SSP2(中间发展路径)则为一条社会、经济和技术趋势不会明显偏离历史模式的路径[36]

图1

新窗口打开|下载原图ZIP|生成PPT
图1共享社会经济路径

Fig. 1Shared socioeconomic pathways (SSPs)



本文采用的是国际通用的国际应用系统分析研究所(IIASA)和美国国家大气研究中心(NCAR)等机构联合开发的全球SSPs情景数据库[34]。该数据库提供了全球各国不同SSPs情景下的人口、城市化、经济发展、科技进步等社会经济因素的变化路径。图2给出了中国SSPs情景的人口和城市化变化趋势,其中在SSP3情景下人口峰值会延后至2030左右,人口减少幅度最小,而在SSP1和SSP5情景下,中国人口将有较大幅度降低。需要特别指出的是虽然SSP1和SSP5有相似的人口和城市化发展趋势,但是两者对应的RCPs的排放情景截然不同。

图2

新窗口打开|下载原图ZIP|生成PPT
图2历史时期以及SSPs情景下未来中国人口和城市化率

Fig. 2China's population and urbanization rate in the historical period and under the SSPs scenario



不同SSPs情景下人口、技术和经济等潜在因素的变化可能导致未来温室气体排放和全球变暖结果不同,从而引起不同程度的自然环境变化,而这又可能进一步改变人口空间分布[36]。一些****从自然环境条件改变出发,采用RCPs情景研究气候变化对粮食安全[37,38]及水资源[39,40]等影响,并从水资源限制、粮食限制对人类生计影响的角度分析未来潜在的人口空间变化。但是仅仅单方面考虑RCPs情景或者SSPs情景无法应对缓解和适应气候变化的双重挑战,因此SSPs-RCPs复合情景已经开始用于新的一轮气候耦合模型(CMIP6)[41]

本文将从气候变化背景出发,采用SSPs-RCPs复合情景,探讨中国未来人口分布的变化趋势,选择可持续发展路径(SSP1)、中间发展路径(SSP2)、区域竞争路径(SSP3)以及化石燃料发展路径(SSP5)四种共享社会经济情景,在不考虑气候政策的条件下,采用高中低不同强度的辐射强迫值与不同减缓强度的社会发展情景相组合,这些组合也综合考虑了不同领域研究对气候变化预估结果的需求[36]。从不同SSPs情景的设定来看,SSP1情景下RCP4.5和RCP6.0的发生概率最高,SSP2和SSP3情景下RCP6.0的发生概率最高,SSP5情景下RCP8.5的发生概率最高[36]图3)。本文设定SSP1-RCP2.6、SSP2-RCP4.5、SSP3-RCP6.0以及SSP5-RCP8.5四种复合情景,并分别模拟不同SSPs-RCPs复合情景下中国未来人口分布变化。需要指出的是以中国目前的发展趋势,中国面临着巨大的发展潜力和减排挑战,以低减排和高适应挑战为特征的SSP4情景与中国实际国情并不相符,因此本文没有选取SSP4情景。

图3

新窗口打开|下载原图ZIP|生成PPT
图3SSPs-RCPs复合情景

Fig. 3SSPs-RCPs scenario matrix



2.2 数据来源

数据来自3个数据库,包括哥伦比亚大学的世界栅格人口数据库(GPW-v4数据库, https://sedac.ciesin.columbia.edu/data/collection/gpw-v4)、哥伦比亚大学的全球城乡数字地图数据库(GRUMP-v1数据库, https://sedac.ciesin.columbia.edu/data/collection/grump-v1)、德国波茨坦气候影响研究所的部门间影响模型相互比较项目(ISIMIP2a数据库, https://esg.pik-potsdam.de/projects/isimip2a/)。

2.2.1 人口数据 GPW-v4数据库提供了最高精度可达1 km的栅格化世界人口数据集[42]。相较于欧盟的全球人居数据库(GHSL)、英国南安普顿大学世界人口数据库(WorldPop)等利用土地利用、夜灯光遥感、道路交通等信息拟合的更高精度的栅格人口数据库,GPW-v4数据库的输入数据来源于世界各国的人口普查数据,在排除了人口为0的自然保护区及水域之外,利用面积加权模型获得栅格栅格人口数据,因此较少受到拟合因素的影响[42]。将2010年GPW-v4、GHSL、WorldPop三套1 km的栅格人口数据重新拟合中国乡镇级行政单元中,并与2010年的第六次乡镇级行政单元的人口普查数据进行回归分析,其调整R2分别为0.91、0.8、0.85,说明GPW-v4数据质量更接近于人口普查的统计数据[43]。2000年和2010年的GPW-v4中国人口数据输入源是中国第五次和第六次乡镇级行政单元的人口普查数据。1990年的GPW-v3中国人口数据输入源是第四次县级行政单元的人口普查数据。为了衔接1990年和2000年的GPW数据精度,本文采用2000年GPW-v4的中国栅格人口数据,以第四次和第五次中国县级人口普查数据的变化率来拟合获得1990年中国栅格人口数据。最后利用ArcGIS软件生成栅格精度为0.125度的1990年、2000年和2010年的中国人口分布数据。

GRUMP-v1数据库提供了基于矢量格式的全球城市边界数据集,基于该数据集,以及中国人口空间分布数据,通过ArcGIS软件生成1990年、2000年、2010年的中国城市人口空间分布和中国乡村人口空间分布数据,以及相应的以10年为单位的城市人口和乡村人口变化数据。

2.2.2 水资源和作物产量数据 以全球增温为特征的气候变化对生态系统、水资源、粮食安全等具有深远的影响[44],而作物产量和水资源的变化可能对人们的生计有直接或间接的影响,进而影响人口的空间分布变化[45]。因此本文主要考虑水资源和作物产量两项因素。

本文利用跨部门影响模式相互比较项目(ISIMIP)提供的作物模型和水文模型的模拟数据。ISIMIP提供了一系列系统和部门的气候影响数据集成[46],其第一轮模拟周期ISIMIP Fast Track利用RCPs情景驱动五种全球气候模式进行模拟预测,使得ISIMIP Fast Track成为耦合模式比较计划(CMIP)工作的自然延伸[46],第二轮模拟周期ISIMIP2a允许在全球变暖的不同水平上改进对气候变化的生物物理和社会经济影响的估计[47]。本文选取ISIMIP2a所提供的HadGEM2-ES[48]和IPSL-CM5A-LR[49]两种模式,作物模型采用ISIMIP 2a提供的LPJmL和GEPIC[50]两种作物模型。这两种作物模型对玉米、小麦、水稻和大豆四种代表作物产量进行模拟,并对四种作物产量进行加权求和,得出具有可比性的代表作物产量[51]。水文模型采用LPJmL[52]和WaterGAP[53,54]两种模型模拟的年河流径流量。需要指出的是作物模型模拟不考虑农业生产的技术投入等社会经济因素,而水文模型不涉及任何水的提取(如灌溉)或任何其他人为引起的水循环变化。这意味着作物模型及水文模型所得的模拟数据都可以归因于气候模式的变化,避免了作物模型、水文模型模拟数据与社会经济数据之间的交互影响。选取以上模型的原因一方面是考虑气候模式和模型的代表性,同时ISIMIP2a提供了以上模型1970—2010年历史时期以及2010—2100年不同RCPs情景下的模拟数据。根据本文情景设定中需求,采用RCP2.6、RCP4.5、RCP6.0以及RCP8.5四种代表性浓度路径驱动下未来近期(2030年)及中期(2050年)水资源模拟数据。某个时代的模拟值以该时代10年平均水平表示,如2000年水资源量为2000—2009年10年平均河流径流量表示,2000年作物产量以2000—2009年10年平均代表作物产量表示。为降低气候变化预估中单一模型误差,采用多模式集合的方法,将水文模型和作物模型模拟数据分为4个组别(表1),如第一组表示在HadGEM2-ES全球气候模式驱动下的LPJmL水文模型和LPJmL作物模型的模拟数据。

Tab. 1
表1
表1全球气候模式驱动下的水文模型和作物模型
Tab. 1Hydrological models and crop models driven by global climate model (GCM)
组别全球气候模式水文模型作物模型
1HadGEM2-ESLPJmLLPJmL
2IPSL-CM5A-LRLPJmLLPJmL
3HadGEM2-ESGEPICWaterGAP
4IPSL-CM5A-LRGEPICWaterGAP

新窗口打开|下载CSV

2.2.3 空间分辨率选择 本研究选择栅格数据是为了避免人口普查数据统计的行政单元大小不一的问题,有利于人口潜力模型的建模需要。为了更好的辨析城市和乡村人口的分布特征,本研究空间精度为0.125°,即每个栅格的边长约10 km。此精度保留了城市和乡村人口分布的基本空间特征,同时也便于分析胡焕庸线沿线热点地区的人口时空变化特征。ISIMIP2a提供的气候变化驱动下作物模型和水文模型模拟数据栅格大小为0.5°。事实上,相对于社会经济数据而言,要捕捉到高分辨率的气候变化相关要素的空间分布值是较为困难的,为了模型计算的便利,将ISIMIP2a的模拟数据重新划分至0.125°栅格,即原始0.5°栅格重新划分的16个0.125°栅格的数值是一致的。对于人口迁移而言,社会经济因素的影响相对于气候变化因素的影响更占据主导地位,因此本文的空间精度设定为0.125°。

2.3 研究方案

本文以“建模-验证-模拟-讨论”为研究框架,构建模拟中国人口分布的人口潜力模型。中国未来城市人口和农村人口变化按照SSPs情景设定的人口变化趋势。在此基础上,引入由RCPs情景驱动的水资源变量(由10年平均河流径流量相对变化表示)和作物产量变量(由10年平均作物产量相对变化表示)。构建基于SSPs-RCPs复合情景下的未来人口潜力模型。模型参数涉及到人口弹性系数、距离阻尼系数、水资源弹性系数以及作物产量弹性系数。通过合理的参数设定,利用1990年和2000年中国城市人口及农村人口数据,1970—2010年中国作物产量数据和水资源量数据,通过人口潜力模型计算获得2010年城市人口、农村人口以及总人口分布模拟数据,并与2010年人口统计数据进行验证分析,评估模型和参数的可靠性。分别计算SSPs情景下(即不考虑气候变化的影响)以及SSPs-RCPs复合情景下中国未来2020—2050以10年为步长的中国未来人口分布,并分析未来近期(2030年)和中期(2050年)中国人口分布变化趋势。在科学评估模型和数据的可行性和局限性的基础上,结合影响人口分布的其他潜在因素和中国人口政策方面的分析,比较不同情景下胡焕庸线两侧的未来人口分布变化。

2.4 建模基础

人口潜力模型是探讨人口分布和迁移的基础模型[55],Jones等在人口潜力模型的基础上结合SSPs情景,发展出了基于共享社会经济路径(SSPs)驱动的未来人口潜力模型[56]。本文将在此模型基础上,引入RCPs情景驱动的水资源指数和作物产量指数,构建基于SSPs-RCPs复合情景下的未来人口潜力模型:

vi=Ailij=1mpjαe-βdij
式中: vi代表未来人口潜力;i代表研究区所在的栅格; pjα代表周边栅格的人口数; α代表人口的弹性系数; e-βdij代表受周边地区影响潜力的距离衰减水平; dij代表研究区栅格与周边栅格的距离, β代表距离阻尼系数; li代表了空间遮罩系数,其目的是控制模型中水面、极高海拔地区以及沙漠等无法适合人类居住地区的人口迁入;j代表研究区所在栅格周边具有影响潜力的栅格集合。城市人口相对于农村人口而言,受周围地区影响的范围更广。本文设定影响半径为栅格i周边20个栅格,约250 km;农村人口的影响半径设定为栅格i周边10个栅格,约125 km。在Jones等未来人口潜力模型[56]的基础上考虑气候变化的影响,相对变化为未来各时代(以10年平均值表示)作物产量或水资源量相对于基准年稳态值(以1970—2009年40年平均值表示)的比值:

Ai=ciγwiδ
式中: Ai表示气候变化影响下的环境变量; ci是RCPs情景驱动下的作物产量相对变化; γci的弹性系数; wi是水资源相对变化; δwi的弹性系数。

对于栅格i的未来人口服从公式(1)中人口潜力模型模拟的人口潜力比值:[55]

pi,y+10=pi,y+PT,y+10·vi,yVT,y
式中: vi,y代表y年代栅格i人口潜力,由公式1计算获得,表示周边具有影响的栅格对其形成的人口影响潜力; pi,y代表y年代栅格i人口值; PT,y+10代表y+10年代与y年代10年全国总人口变化,其数值由SSPs的人口情景数据获得; VT,y代表全国所有栅格的人口潜力之和。如果 PT,y+10为正值时,表示某10年内全国总人口为正增长,人口潜力 vi,y以公式(1)所示,即人口潜力值越大的栅格,其未来人口增长的可能越高; PT,y+10为负值时,表示某10年内全国总人口为负增长,人口潜力 vi,y以公式(1)的导数表示,即人口潜力值越大的栅格,其未来人口减少的可能性越低[56]

2.5 参数设定

模型参数涉及到距离阻尼系数 β;人口弹性系数 α;作物产量弹性系数 γ;水资源弹性系数 δ。下面将分别对各参数设定进行讨论。

2.5.1 距离阻尼系数 β确定 距离阻尼系数是人口潜力模型(公式1)的关键系数。本文采用王铮等提出的距离阻尼系数 β的计算关系式[57]

β=2TtmaxD
式中:T是人口平均迁移-居留历程时间尺度,本文以10年为年代间隔,设定平均迁移-居留历程时间为10年;D是相互作用域的域元面积,本文城市人口潜力模型设定的影响半径为250 km,域元面积为196250 km2,农村人口潜力模型设定的影响半径为125 km,域元大小为49062 km; tmax为迁移率峰值年龄,根据Rogers的研究劳动年龄人口在25岁左右形成迁移率高峰[58]。杨云彦验证了中国人口迁移率峰值年龄基本符合罗吉斯模式,设定 tmax为25[59]。则城市人口潜力模型的距离阻尼系数为0.002,农村人口潜力模型的距离阻尼系数为0.004。即相对于农村人口而言,城市人口受到周边地区影响的距离阻尼系数更小。

2.5.2 人口弹性系数 α确定 在明确了城市人口和农村人口的距离阻尼系数之后,将1990年和2000年的人口数据带入公式(1),获得城市人口潜力值和农村人口潜力值,并利用公式(3)计算2010年的各栅格模拟值,在(0~1)区间内搜索2010年各栅格的人口模拟值与人口统计值的差值累计和最小的情况下,获得参数值 S

S(α)=mini=1nPimod-Piobs
通过公式(5)计算获得农村人口潜力模型中的人口弹性系数 α为0.275,城市潜力模型中的人口弹性系数 α为0.3。即相对于农村人口而言,周边地区城市人口对本地城市人口的影响潜力更大。

2.5.3 作物产量弹性系数 γ和水资源弹性系数 δ确定 针对公式(2)中的作物产量弹性系数 γ和水资源弹性系数 δ,采用空间误差回归获得。对公式(2)求取自然对数, lnclnw按照泰勒一阶展开近似等于如公式(6)所示的变化率,记为 c˜w˜

p˜=γc˜+δw˜+ε
ε=λWε+μ
式中: p˜表示人口变化; W是空间权重矩阵; ε是回归残差向量; λ是自回归参数,本文采用极大似然法进行估计。采用空间误差回归进行参数估计的原理是人口变化不但受到本地水资源相对变化和作物产量相对变化的影响,同时也受到周边地区各种其他因素的影响,以空间残差向量表示。本地其他潜在因素对人口的影响,以剩余残差 μ表示。

本文空间误差回归显著性水平 α定为0.1,对于农业人口, R2为0.71,作物产量的变化率回归系数 γ为0.049,P值为0.07,在0.1水平上显著。水资源变化率的回归系数 δ为0.067,P值为0.06,在0.1水平上显著。对于城市人口, R2为0.51。作物产量的变化率回归系数 γ为0.037,P值为0.25,在0.1水平上不显著。水资源变化率的回归系数 δ为-0.083,P值为0.036,在0.1水平上显著。首先相较于农业人口变化率,城市人口变化率在空间误差回归中的 R2值更低,即拟合度较低,表示作物产量变化率和水资源量变化率对农村人口变化率的影响要高于城市人口变化率。其次,对于城市人口变化率而言,作物产量变化率的P值在0.1水平上不显著,可以解释为城市人口的生计并不依靠农业生产,城市人口的变化率并不受到作物产量变化率的影响,因此对于城市人口潜力模拟,公式2中的作物产量变化率不参与运算。再次,对城市人口变化率的空间误差回归中,水资源变化率回归系数 δ为-0.083,即对城市人口而言,水资源条件变好意味着城市人口数量降低,这似乎与人们的主观认识不同。本文给出的解释是中国的人口总量受到自然增长率的影响,环境变化通过影响人口迁移进而对人口空间分布变化产生作用。人口分布的变化率同时受到当地和周边地区的诸多因素的影响,空间残差向量是周边地区的各类因素对人口变化率的潜在影响,剩余残差是本地各类因素对人口变化率的潜在影响。在控制了这些潜在因素的影响下,当水资源条件变好时,受水资源变化影响的人口由城市向农村迁移。反之则受到水资源变化影响的人口由农村迁移到城市。由此水资源变化率回归系数 δ对于农业人口变化率为正值,对城市人口变化率为负值。

2.6 人口分布计算

通过上述模型和参数的讨论,本文采用指数型人口潜力模型(公式1),计算在SSPs情景下,即仅考虑社会经济变化而不考虑气候变化下的中国未来城市及农村人口时空变化趋势,此时 Ai设为1。之后以图3中的SSPs和RCPs情景组合,计算SSPs-RCPs复合情景下的中国未来城市人口和农村人口分布变化,并最终合成人口分布变化。为了降低气候系统模式、作物模型和水文模型存在的系统误差,以表1的四组气候模式驱动下的作物模型和水文模型,分别计算2030年和2050年中国城市人口、农村人口以及总人口分布及变化趋势(公式8),最终合成SSPs-RCPs复合情景下的2020—2050年间每隔10年中国人口时空分布。

P?=j=14Puj+Prj
式中: P?表示四种模拟人口的平均值;j表示四组模型组合; Pu表示城市人口; Pr表示农村人口。

2.7 模型验证

根据以上的参数设定,通过人口潜力模型计算获得2010年城市人口、农村人口以及总人口分布模拟数据,并与2010年人口统计数据进行验证分析。其中,中国人口栅格数为62943个,排除水面、极高海拔以及沙漠地带无人区的栅格,参与计算的人口栅格数为53718个,其中含有农村人口数据的栅格数为53626个,含有城市人口数据的栅格为13652个。图4a为2010年人口与模拟人口的线性拟合, R2为0.97。图4b是2010年农村人口、城市人口与模拟农村人口、城市人口的线性拟合, R2分别为0.98和0.97。说明模型和参数设置合理。

图4

新窗口打开|下载原图ZIP|生成PPT
图42010年人口与模拟人口线性拟合

Fig. 4Linear fitting of statistical population and simulated population in 2010



3 结果分析

3.1 SSPs-RCPs复合情景下未来胡焕庸线两侧人口比重变化

首先辨析中国未来近期(2030年)和中期(2050年)的胡焕庸线两侧人口可能的变化趋势,表2给出了仅考虑SSPs情景以及SSPs-RCPs复合情景下胡焕庸线两侧人口密度及人口比重。2000年和2010年中国人口东西两侧比重分别是94.21 5.79和93.99 6.01,所对应的胡焕庸线东侧的人口密度为285.185.03人/km2(2000年)和300.195.03人/km2(2010年),西侧的人口密度为14.18人/km2(2000年)和15.54人/km2(2010年)。而胡焕庸先生在1935年发现的瑷珲-腾冲线两侧的比重为96 4,人口密度分别为135.39人/km2以及5.03人/km2(分县统计数据)[4]。可以看出中国的人口密度扩大了近3倍,胡线西侧人口比重提高了约2个百分点。

Tab. 2
表2
表2中国未来近中期(2030年、2050年)SSPs-RCPs复合情景下胡焕庸线两侧人口密度及人口比重比较
Tab. 2Comparison of population density and population proportion on both sides of Hu Line under the SSPs-RCPs scenario matrix in 2030 and 2050
SSPs情景胡焕庸线东侧胡焕庸线西侧SSPs-RCPs情景胡焕庸线东侧胡焕庸线西侧胡焕庸线
东侧比重
变化
胡焕庸线
西侧比重
变化
人口比重(%)人口密度
(人/km2)
人口比重
(%)
人口密度
(人/km2)
人口比重
(%)
人口密度
(人/km2)
人口比重
(%)
人口密度
(人/km2)
2000年94.21285.185.7914.1894.21285.185.7914.18
2010年93.99300.196.0115.5493.99300.196.0115.54
2030年SSP194.53303.195.4714.21SSP1-RCP2.694.52303.155.4814.24-0.010.01
SSP294.36307.375.6414.87SSP2-RCP4.594.35307.345.6514.89-0.010.01
SSP394.21310.915.7915.49SSP3-RCP6.094.2310.885.815.51-0.010.01
SSP594.53303.195.4714.21SSP5-RCP8.594.51303.145.4914.25-0.020.02
2050年SSP194.82273.925.1812.12SSP1-RCP2.694.80273.845.2012.19-0.020.02
SSP294.56281.85.4413.12SSP2-RCP4.594.55281.755.4513.16-0.010.01
SSP394.29290.865.7114.26SSP3-RCP6.094.28290.825.7214.29-0.010.01
SSP594.82273.925.1812.12SSP5-RCP8.594.79273.835.2112.2-0.030.03

新窗口打开|下载CSV

在SSP1(SSP5)、SSP2和SSP3情景下,胡焕庸线东西两侧人口比重在2030年将分别为94.53 5.47、94.36 5.64、94.21 5.79。相较于2010年胡焕庸线两侧人口比重93.99 6.01,在不同SSPs情景下,东侧人口比重均将有所上升,西侧人口比重均将有所下降。究其原因是在胡焕庸线东侧地区无论城市的数量和级别都远高于西侧地区。城市化所带来的集聚效应促使人口比重更进一步向胡线东侧地区倾斜,这种趋势在2050年将更为明显。相较于中间发展路径SSP2,如果总体人口减少越快、人口城市化速度越高(如SSP1和SSP5情景),胡焕庸线东侧的人口比重将提高更多。相反地,如SSP3情景设定的总体人口变化较小、人口城市化速度较慢,胡焕庸线东侧的人口比重虽有提升,但提升幅度较低。

为了进一步探讨气候变化对人口分布的影响,接下来比较SSPs-RCPs复合情景和SSPs情景下的胡焕庸线两侧人口比重变化。SSP1-RCP2.6情景较之SSP1情景,胡焕庸线西侧人口在2030年上升0.01个百分点,2050年上升0.02个百分点。SSP5-RCP8.5情景较之SSP5情景,胡焕庸线西侧人口在2030年上升0.02个百分点,2050年上升0.03个百分点。SSP2-RCP4.5情景较之SSP2情景,以及SSP3-RCP6.0情景较之SSP3情景,胡焕庸线西侧人口在2030年和2050年均上升0.01个百分点。可以发现在考虑气候变化影响的SSPs-RCPs复合情景和不考虑气候变化影响的SSPs情景,胡焕庸线西侧人口比重均有所提高。出现这种现象的原因可能是由于以全球变暖为主要特征的气候变化对胡焕庸线西侧地区的水热资源更有利,从而更进一步提高了人口的环境承载力。也有可能是胡焕庸线东侧地区的环境承载力的退化要高于西侧地区。本文的结论是在SSPs情景下中国未来胡焕庸线东西两侧人口比重差距将进一步拉大,而在考虑SSPs-RCPs的复合情景下,胡焕庸线东西两侧人口比重差距比仅考虑SSP是情景时要有所缩小。总体而言,中国的社会经济发展对胡焕庸线两侧人口比重的影响要远大于气候变化的影响。

3.2 SSPs-RCPs复合情景下未来人口分布

依据SSPs-RCPs复合情景下的人口潜力模型,模拟计算中国2030年和2050年人口分布,2050年不同SSPs-RCPs复合情景下人口分布如图5所示。

图5

新窗口打开|下载原图ZIP|生成PPT
图52050年中国人口分布预测

注:基于自然资源部地图技术审查中心标准地图服务网站的标准地图(审图号:GS(2020)4619号)绘制,底图无修改。
Fig. 5China's population distribution in 2050



图5a为SSP1-RCP2.6复合情景下的2050年中国人口分布,该情景表现为总人口的快速下降以及较高的人口城市化率,在该情景下2050年无论胡焕庸线东侧还是西侧都呈现人口向城市地区高度集聚态势。图5d的SSP5-RCP8.5复合情景,其人口和城市化变化路径与SSP1情景类似,但是由于是依靠化石燃料的发展方式,SSP5对应于温室气体高排放的RCP8.5情景。从图5a和5d的比较来看,两者的人口分布差别不大,说明气候变化对人口分布的改变是有限的。图5c为SSP3-RCP6.0情景下2050年中国人口分布,该情景表现为总体人口变化较小,人口城市化速度较慢,与SSP1-RCP2.6情景比较来看,在该情景下2050年中国人口空间分布城乡差异相对较小。图5b是SSP2-RCP4.5复合情景下中国2050年的人口分布,该情景下的2050年人口向城市地区的集聚程度要高于SSP3-RCP6.0情景,但低于SSP1-RCP2.6情景和SSP5-RCP8.5情景。

3.3 SSPs-RCPs复合情景下未来人口分布变化

为了更好地辨析胡焕庸线沿线未来人口的时空变化,图6给出了胡焕庸线沿线北、中、南段不同SSPs-RCPs复合情景中国2050年的人口分布与基准年2010年的变化值。本文对胡焕庸线北、中、南的分段依据是胡线与省域界限的交点。其中胡线北段和中段分界大体在京冀蒙三省交界处。胡线中段和南端分界大体在陕甘川三省交界处(图6)。

图6

新窗口打开|下载原图ZIP|生成PPT
图62010—2050年中国不同复合情景下人口空间变化

注:基于自然资源部地图技术审查中心标准地图服务网站的标准地图(审图号:GS(2020)4619号)绘制,底图无修改。
Fig. 6Spatial changes of population in China from 2010 to 2050 under SSPs-RCPs scenario matrix



图6所示,在胡线北段区域,农业人口的减少区域主要集中在由哈尔滨至辽宁轴线及周边地区,该轴线上的城市地区成为人口净增加地区,胡焕庸线西侧主要是内蒙古牧业地区同时几乎没有大中型城市发育,因此北段胡线区域人口由东侧迁往西侧的数量有限。在胡线中段区域,胡线东西两侧的人口时空变化均较为明显。其中以胡线以西的甘肃及宁夏两省来看,甘肃省南部和宁夏南部农村地区人口未来将明显减少,而沿着黄河上游沿岸发育的兰州、宁夏北部川区以及内蒙古河套等地的城市地区人口将有不同程度的上升。胡线以东的陕西,未来人口更多地向省会西安及周边地区集聚,山西省未来人口增加的地区主要分布在沿着汾河谷地发育的城市群。在胡线南段区域,胡线成为人口时空变化的明显界限,即该段区域胡线西侧未来几乎不会有较大改变。胡线东侧的四川省、贵州省、云南东部地区均表现为农村人口的不同程度的减少,大量的农村人口将会迁移到城市地区。云贵地区由于地形的限制,城市分布较为稀疏分散,未来云贵农村地区潜在迁出人口可能会选择迁移至更远的诸如广东等发达省份的城市地区。

4 结论与讨论

4.1 结论

通过构建SSPs-RCPs复合情景下的人口潜力模型,结合四组气候系统模式驱动下的作物模型和水文模型,模拟未来中国近期(2030年)、中期(2050年)人口时空变化趋势。发现未来近期(2030年)和中期(2050年)在仅考虑SSPs情景下,胡焕庸线东西两侧的人口比重较之2010年基准年而言,西侧人口比重将逐步下降,东侧人口比重将逐步提升。

SSP1和SSP5情景展望的发展趋势是教育和卫生方面进行了大量投资,人口城市化进程较快。卫生水平的提高有助于预期寿命的提高,而教育水平提高和城市人口比重加大可能会带来生育意愿的降低[26],尤其是城市地区较低的人口自然增长率以及更高的教育、卫生和经济发展水平促使更多农村人口转为城市人口。而胡焕庸线东侧的城市化发展无论在数量和级别上均高于胡焕庸线西侧地区,最终形成在SSP1和SSP5情景下未来胡焕庸线西侧人口比重下降幅度和东侧人口比重上升幅度相对于其他SSPs情景更为明显。SSP3情景是区域竞争路径,教育和卫生方面的投资减少。人口的预期寿命要低于SSP1和SSP5情景的设定,但是出生率要高于SSP1和SSP5情景的设定,同时人口城市化以较低速度推进,未来胡焕庸线东西两侧比重差距略有增加,但增加幅度低于SSP1或SSP5情景。SSP2情景下,未来中国的总体人口变化、人口分布变化以及胡焕庸线两侧人口比重变化处于SSP1(SSP5)和SSP3情景模拟结果的中间水平。

在考虑SSPs-RCPs复合情景下,胡焕庸线西侧的人口比重较之仅考虑SSPs情景,将有不同程度的提升。以SSP1-RCP2.6复合情景和SSP5-RCP8.5复合情景为例,两者的社会发展路径类似,但是由于两者对应的温室气体排放水平不同,所导致的气候变化-环境变化-人口分布变化的耦合结果也不尽相同。SSP1-RCP2.6复合情景较之SSP1情景,胡焕庸线西侧人口在2050年提升了0.02个百分点,SSP5-RCP8.5复合情景较之SSP5情景,胡焕庸线西侧人口在2050年提升了0.03个百分点。模拟结果显示气候变化对胡焕庸西侧人口比重的提升具有正向作用。

从未来中期(2050年)与2010年的人口分布变化来看,胡焕庸线东侧的城乡人口变化要远高于西侧地区,事实上胡焕庸线成为中国人口空间变化的分界线。从胡焕庸的北、中、南三段区域来探讨胡焕庸线突破的可能性,胡线北段区域和南段区域由于地形和气候的原因城市化地区分布少、规模小,导致这两段区域的胡线东侧人口几乎无法向西侧突破。而只有胡线中段区域,由于黄河等河流流经区域有较好的水资源条件,有利于推进城镇化建设,成为人口向胡焕庸线西侧迁移的突破口。

4.2 讨论

本文采用情景假设和模型模拟的方法分析未来中国人口分布的变化趋势。为了更好地理解模拟结果的科学意义,有必要对情景和模型缺陷和局限性以及政策因素等方面进行讨论。

SSPs情景从缓解和适应气候变化两个维度定义了五种共享社会经济路径,并模拟计算了全球各个国家的人口、城市化、经济发展、土地利用等社会经济因素的变化路径。姜彤等[32]和陈艺丹等[60]设定了更为细化的中国分省人口自然增长和迁移等参数,构建了中国版的SSPs人口情景,其中基本的设定是胡线西部省份的自然增长率略高于东侧省份,当然未来中国各地区的人口自然增长率变化还需要时间的检验。而从人口迁移而言,省界并非如国界一般,被认为是人口迁移的重要界限。因此本文从全国不同SSPs情景下模拟人口时空变化趋势,重点聚焦城乡人口迁移,其结论仍然有代表性。

本文的人口潜力模型中主要考虑了SSPs情景下的人口和城市化变化,以及RCPs情景下的作物产量和水资源的相对变化。即假定不考虑其他变量或者是其他控制变量为稳定情况下得出的模拟结果。对人口分布和迁移的潜在影响因素已经有相当多的讨论[61,62],当然在数据可获得性的前提下,合理增加人口迁移模型中的影响因素会更有利于模拟结果的比较分析。但是对于人口迁移模型所定义的周边局地范围内,社会经济因素之间往往存在着较高空间相关性,因此在人口潜力模型所设定的影响范围内各栅格人口数可以在一定程度上代表其社会经济的综合发展水平。对于受气候变化影响的环境变量,主要考虑RCPs情景驱动下作物产量变量和水资源变量,其出发点是考虑到这两项因素对人类生存和生计影响明显。而气候变化影响下的短期极端事件(如极端高温、洪涝灾害等)只是造成短期的流离失所而不是长期的人口迁移[61,63],因此本文模型中涉及的影响因素还是具有一定的代表性。

中国人口的总体变化以及不同地区人口分布的变化均受到调控政策的影响。比如自20世纪70年代末开始实行的计划生育政策[64],出于限制大城市人口过快增长的户籍控制政策[65]等对人口分布变化均产生直接或间接的影响。这些人口政策在不同地区执行的力度不同将会导致模拟结果和实际结果的差异。另外中国少数民族地区(胡焕庸线西侧有大量民族自治地区)的人口自然增长率在模型中被低估了,而北京、上海等特大城市的人口迁入在模型中被高估了。此外本文同时考虑了体现社会经济发展的SSPs情景和体现温室气体排放水平的RCPs情景,但是并没有考虑气候政策方面的因素。比如SSP1情景被命名为可持续发展路径,但是这是从缓解和适应气候变化视角上的可持续发展,但是SSP1情景所刻画的中国总体人口在未来持续快速下降以及人口老龄化的加剧,并不代表人口的可持续发展。引入合理的气候政策,中国可以实现诸如SSP2情景所代表的总体人口、人口结构等适中发展道路,而温室气体排放维持在RCP2.6的低碳排放水平上。

4.3 政策建议

本文的模拟结果的基本结论是在SSPs情景下,中国胡焕庸线两侧的人口比重未来将向东侧倾斜,比重差距会进一步拉大。目前中国已经实行全面三孩的新计划生育政策,但是人口城市化比重不断提升和教育水平不断提高的预期背景下,人们的生育意愿是否能达到一对夫妻生两孩或三孩的水平是有疑问的。SSPs所有情景给出的中国2050年人口总体数量均低于2010年的水平。就本文模拟结果来看,国家应该有进一步的生育配套政策,以维持胡焕庸线西侧地区的人口自然增长率优势,从而稳定胡焕庸线西侧的人口份额。

人口城市化是中国人口空间分布变化的主要驱动力,目前胡焕庸线东侧的城市规模和等级远高于西侧地区。而珠江三角洲的大湾区建设、长三角一体化建设等又从政策层面加强了这些地区的人口吸引力。胡焕庸线西侧地区需要合理选择一些地区加强城镇化建设,特别是结合“一带一路”倡议,通过中央和地方支持城市的教育、卫生等软硬件配套设施建设,同时加强税收优惠和人才优惠等政策,促进胡焕庸西侧人口的就近城镇化以及吸引外来人口的迁入。

模拟结果显示气候变化对胡焕庸西侧人口比重的提升具有正向作用。从适应气候变化的角度而言,胡焕庸线东侧地区适应气候变化的挑战要高于西侧地区。因此应该加强人口更为稠密的胡焕庸线东侧的人地关系协调的政策制定。如制定节约能源、优化能源结构、加强生态保护政策措施,建设低碳韧性城市等。目前国家正在开展大规模的生态文明建设,应在胡线西侧水资源条件较为丰沛的地区合理布局和推进新型城镇化建设,探讨保护和发展协同共进的新路。

中国已经向世界承诺二氧化碳排放力争于2030年前达到峰值,努力争取2060年前实现碳中和。要达到以上目标并且实现全球1.5 ℃温控的目标,中国面临着发展和减排的双重压力。中国必须推动经济社会发展建立在资源高效利用和绿色低碳发展的基础之上。中国生态文明建设需要进入以降碳为重点战略方向、促进经济社会发展全面绿色转型。

致谢:

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对气候变化复合情景选取、各复合情景的结果分析、结论梳理和政策建议方面的修改意见,使本文获益匪浅。


参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

陆大道, 王铮, 封志明, . 关于“胡焕庸线能否突破”的学术争鸣
地理研究, 2016, 35(5):805-824.

DOI:10.11821/dlyj201605001 [本文引用: 2]
著名地理学家胡焕庸先生于1935年提出中国人口地理的重要分界线(简称“胡焕庸线”),被广泛认可和引用,是中国地理学发展的重要成果。2014年底,李克强总理参观人居科学研究展时,高度关注胡焕庸线,并提出了胡焕庸线能否突破的问题。胡焕庸线因而再度引起争论和热议。据此,组织了一些地理****围绕该问题进行学术讨论,力图从不同层面展现****们对胡焕庸线的理解与反思,从而深化胡焕庸线的科学价值和现实意义,进而指导中国新型城镇化战略的实施和区域实践。
[ Lu Dadao, Wang Zheng, Feng Zhiming, et al. Academic debates on Hu Huanyong population line
Geographical Research, 2016. 35(5):805-824.] DOI: 10.11821/dlyj201605001.

[本文引用: 2]

胡焕庸. 中国人口之分布: 附统计表与密度图
地理学报, 1935. 2(2):33-74.

DOI:10.11821/xb193502002 [本文引用: 1]
年来中外****,研究中国人口问题者,日见其多,中国人口是否过剩,国境以内,是否尚有大量移民之可能,此实当今亟须解答之间题,各方对此之意见,甚为纷歧;或则谓中国人口,实已过剩,此可由社会生计艰难,失业问题严重,以及海外侨民之多可以证之;或则谓中国人口,实未过剩,以全国面积除全国人口,计算其密度,较之欧西诸国,尚不及远甚,国境西北部,地旷而人稀,将来实大有移民之可能.
[ Hu Huanyong. Distribution of China's population: With statistical tables and density maps
Acta Geographica Sinica, 1935, 2(2):33-74.] DOI: 10.11821/xb193502002.

[本文引用: 1]

丁金宏, 何书金. 中国人口地理格局与城市化未来: 纪念胡焕庸线发现80周年学术研讨会在上海举行
地理学报, 2015. 70(12):1856.

[本文引用: 1]

[ Ding J-hong, He Shujin. The geographical pattern of Chinese population and the future of urbanization: An academic seminar to commemorate the 80th anniversary of the discovery of Hu Huan-yong Line was held in Shanghai
Acta Geographica Sinica, 2015, 70(12):1856. ] DOI: NKI:SUN:DLXB.0.2015-12-001.

[本文引用: 1]

陈明星, 李扬, 龚颖华, . 胡焕庸线两侧的人口分布与城镇化格局趋势: 尝试回答李克强总理之问
地理学报, 2016, 12(2):179-193.

[本文引用: 3]

[ Chen Mingxing, Li Yang, Gong Yinghua, et al. The population distribution and trend of urbanization pattern on two sides of Hu Huanyong population line: A tentative response to Premier Li Keqiang
Acta Geographica Sinica, 2016, 12(2):179-193.] DOI: 10.11821/dlxb201602001.

[本文引用: 3]

戚伟, 刘盛和, 赵美风. “胡焕庸线”的稳定性及其两侧人口集疏模式差异
地理学报, 2015, 12(4):551-566.

[本文引用: 1]

[ Qi Wei, Liu Shenghe, Zhao Meifeng. Study on the stability of Hu Line and different spatial patterns of population growth on its both sides
Acta Geographica Sinica, 2015, 12(4):551-566.] DOI: 10.11821/dlxb201504004.

[本文引用: 1]

葛美玲, 封志明. 基于GIS的中国2000年人口之分布格局研究: 兼与胡焕庸1935年之研究对比
人口研究, 2008, 12(1):51-57.

[本文引用: 1]

[ Ge Meiling, Feng Zhiming. A study on the distribution pattern of China's population in 2000 based on GIS: A comparison with Hu Huanyong's study in 1935
Population Research, 2008, 12(1):51-57.] DOI: 10.3969/j.issn.1000-6087.2008.01.007.

[本文引用: 1]

王铮, 夏海斌, 田园, . 胡焕庸线存在性的大数据分析: 中国人口分布特征的生态学及新经济地理学认识
生态学报, 2019, 39(14):5166-5177.

[本文引用: 1]

[ Wang Zheng, Xia Haibin, Tian Yuan, et al. A big-data analysis of HU Line existence in the ecology view and new economic geographical understanding based on population distribution
Acta Ecologica Sinica, 2019, 39(14):5166-5177.] DOI: 10.5846/stxb201812212776.

[本文引用: 1]

王开泳, 邓羽. 新型城镇化能否突破“胡焕庸线”: 兼论“胡焕庸线”的地理学内涵
地理研究, 2016, 12(5):825-835.

[本文引用: 1]

[ Wang Kaiyong, Deng Yu. Can new urbanization break through the Hu Huanyong Line? Further discussion on the geographical connotations of the Hu Huanyong Line
Geographical Research, 2016, 12(5):825-835.] DOI: 10.11821/dlyj201605002.

[本文引用: 1]

郭华东, 王心源, 吴炳方, . 基于空间信息认知人口密度分界线: “胡焕庸线”
中国科学院院刊, 2016. 31(12):1385-1394.

[本文引用: 1]

[ Guo Huadong, Wang Xinyuan, Wu Bingfang. Cognizing population density demarcative line (Hu Huanyong-Line) based on space technology
Bulletin of Chinese Academy of Sciences, 2016. 31(12):1385-1394.] DOI: 10.16418/j.issn.1000-3045.2016.12.013.

[本文引用: 1]

封志明, 唐焰, 杨艳昭, . 中国地形起伏度及其与人口分布的相关性
地理学报, 2007, 12(10):1073-1082.

[本文引用: 1]

[ Feng Zhiming, Tang Yan, Yang Yanzhao. The relief degree of land surface in China and its correlation with population distribution
Acta Geographica Sinica, 2007, 12(10):1073-1082.] DOI: 10.11821/xb200710007.

[本文引用: 1]

董春, 刘纪平, 赵荣, . 地理因子与空间人口分布的相关性研究
遥感信息, 2002, 12(4):61-64.

[本文引用: 1]

[ Dong Chun, Liu Jiping, Zhao Rong, et al. An discussion on correlation of geographical parameter with spatial population distribution
Remote Sensing Information, 2002, 12(4):61-64.] DOI: 10.3969/j.issn.1000-3177.2002.04.014.

[本文引用: 1]

吴传钧. 胡焕庸大师对发展中国地理学的贡献
人文地理, 2001, 12(5):1-4.

[本文引用: 1]

[ Wu Chuanjun. Contributions of Master Hu Huanyong to the development of modern geography in China
Human Geography, 2001, 12(5):1-4.] DOI: 10.3969/j.issn.1003-2398.2001.05.001

[本文引用: 1]

吴传钧. 人地关系地域系统的理论研究及调控
云南师范大学学报: 哲学社会科学版, 2008, 12(2):1-3.

[本文引用: 1]

[ Wu Chuanjun. Theoretical research and regulation of the regional system of human-land relationship
Journal of Yunnan Normal University: Philosophy and Social Science Edition, 2008, 12(2):1-3.] DOI: 10.3969/j.issn.1000-5110.2008.02.001.

[本文引用: 1]

Warner K. Global environmental change and migration: Governance challenges. Global Environmental Change-Human and
Policy Dimensions, 2010, 20(3):402-413. DOI: 10.1016/j.gloenvcha.2009.12.001.

[本文引用: 1]

Bilsborrow R E. Population growth, internal migration, and environmental degradation in rural areas of developing countries
European Journal of Population, 1992, 8(2):125-148. DOI: 10.1007/BF01797549.

URL [本文引用: 1]

丁金宏, 黄晨熹, 孙中锋. 利用土地人口容力开放模型对沪苏锡常城市群的分析
中国人口·资源与环境, 1998, 12(4):41-46.

[本文引用: 1]

[DingJinhong, Huang Chenxi, Sun Zhongfeng. Open model of population carrying capacity of land and its use of metropolitan area around Shanghai. China Population,
Resources and Environment, 1998, 12(4):41-46.] DOI: CNKI:SUN:ZGRZ.0.1998-04-008.

[本文引用: 1]

Piguet E. From “Primitive Migration” to “Climate Refugees”: The curious fate of the natural environment in migration studies
Annals of the Association of American Geographers, 2013, 103(1):148-162. DOI: 10.1080/00045608.2012.696233.

URL [本文引用: 1]

Stark O, Bloom D E. The new economics of labor migration
The American Economic Review, 1985, 75(2):173-178.

[本文引用: 1]

Gallopín G C. Linkages between vulnerability, resilience, and adaptive capacity
Global Environmental Change, 2006, 16(3):293-303. DOI: 10.1016/j.gloenvcha.2006.02.004

URL [本文引用: 1]

Oliver-Smith A. Debating environmental migration: Society, nature and population displacement in climate change
Journal of International Development, 2012, 24, 1058-1070. DOI: 10.1002/jid.2887.

URL [本文引用: 1]

de Sherbinin A, Castro M, Gemenne F, et al. Preparing for resettlement associated with climate change
Science, 2011, 334(6055):456-457. DOI: 10.1126/science.1208821.

PMID:22034418 [本文引用: 2]

潘家华, 郑艳. 气候移民概念辨析及政策含义: 兼论宁夏生态移民政策
中国软科学, 2014, 12(1):78-86.

[本文引用: 1]

[ Pan Jiahua, Zheng Yan. On climate migration and its policy implication: Reflection on Ningxia's Ecological Migration
China Soft Science Magazine, 2014, 12(1):78-86.] DOI: 10.3969/j.issn.1002-9753.2014.01.011.

[本文引用: 1]

Shayegh S. Outward migration may alter population dynamics and income inequality
Nature Climate Change, 2017, 7(11):828-832. DOI: 10.1038/nclimate3420.

[本文引用: 1]
Climate change impacts may drive affected populations to migrate. However, migration decisions in response to climate change could have broader effects on population dynamics in affected regions. Here, I model the effect of climate change on fertility rates, income inequality, and human capital accumulation in developing countries, focusing on the instrumental role of migration as a key adaptation mechanism. In particular, I investigate how climate-induced migration in developing countries will affect those who do not migrate. I find that holding all else constant, climate change raises the return on acquiring skills, because skilled individuals have greater migration opportunities than unskilled individuals. In response to this change in incentives, parents may choose to invest more in education and have fewer children. This may ultimately reduce local income inequality, partially offsetting some of the damages of climate change for low-income individuals who do not migrate.

Lonergan S. The role of environmental degradation in population displacement
Environmental Change and Security Project Report, 1998, 12(4):5-15.

[本文引用: 1]

Doevenspeck M. The thin line between choice and flight: Environment and migration in rural Benin
International Migration, 2011, 49:e50-e68. DOI: 10.1111/j.1468-2435.2010.00632.x.

URL [本文引用: 1]

Lutz W, Muttarak R. Forecasting societies' adaptive capacities through a demographic metabolism model
Nature Climate Change, 2017, 7(3):177-184. DOI: 10.1038/nclimate3222.

URL [本文引用: 2]

Girod B, Wiek A, Mieg H, et al. The evolution of the IPCC's emissions scenarios
Environmental Science & Policy, 2009, 12(2):103-118. DOI: 10.1016/j.envsci.2008.12.006.

[本文引用: 1]

IPCC. Summary for policymakers, in climate change 2013: The physical science basis. In: T F Stocker, et al. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2013: 1-30.
[本文引用: 1]

van Vuuren D P, Riahi K, Calvin K, et al. The shared socio-economic pathways: Trajectories for human development and global environmental change. Global Environmental Change-Human and
Policy Dimensions, 2017, 42:148-152. DOI: 10.1016/j.gloenvcha.2016.10.009

[本文引用: 1]

O'Neill B C, Kriegler E, Riahi K, et al. A new scenario framework for climate change research: The concept of shared socioeconomic pathways
Climatic Change, 2014, 122(3):387-400. DOI: 10.1007/s10584-013-0905-2.

URL [本文引用: 1]

O'Neill B C, Kriegler E, Ebi K L , et al. The roads ahead: Narratives for shared socioeconomic pathways describing world futures in the 21st century. Global Environmental Change-Human and
Policy Dimensions, 2017, 42:169-180. DOI: 10.1016/j.gloenvcha.2015.01.004

[本文引用: 1]

姜彤, 赵晶, 景丞, . IPCC共享社会经济路径下中国和分省人口变化预估
气候变化研究进展, 2017, 13(2):128-137.

[本文引用: 2]

[ Jiang Tong, Zhao Jing, Jing Cheng, et al. National and provincial population projected to 2100 under the shared socioeconomic pathways in China
Climate Change Research, 2017, 3(2):128-137.] DOI: 10.12006/j.issn.1673-1719.2016.249.

[本文引用: 2]

Hvistendahl M. China's population growing slowly, changing fast
Science, 2011, 332(6030):650-651. DOI: 10.1126/science.332.6030.650

PMID:21551038 [本文引用: 1]

Riahi K, van Vuuren D P, Kriegleret E, et al. The shared socioeconomic pathways and their energy, land use, and greenhouse gas emissions implications: An overview. Global Environmental Change-Human and
Policy Dimensions, 2017, 42:153-168. DOI: 10.1016/j.gloenvcha.2016.05.009.

[本文引用: 2]

Samir K C, Lutz W. The human core of the shared socioeconomic pathways: Population scenarios by age, sex and level of education for all countries to 2100. Global Environmental Change-Human and
Policy Dimensions, 2017, 42:181-192. DOI: 10.1016/j.gloenvcha.2014.06.004.

[本文引用: 1]

O'Neill B C, Tebaldi C, van Vuuren D P, et al. The Scenario Model Intercomparison Project (ScenarioMIP) for CMIP6
Geoscientific Model Development, 2016, 9(9), 3461-3482. DOI: 10.5194/gmd-9-3461-2016.

URL [本文引用: 4]

Vermeulen S J, Campbell B M, Ingram J S I . Climate change and food systems
Annual Review of Environment and Resources, 2012, 37(1):195-222. DOI: 10.1146/annurev-environ-020411-130608.

URL [本文引用: 1]

王铮, 乐群, 夏海斌, . 中国2050: 气候情景与胡焕庸线的稳定性
中国科学: 地球科学, 2016. 46(11):1505-1514.

[本文引用: 1]

[ Wang Zheng, Yue Qun, Xia Haibin, et al. China 2050: Climate scenarios and stability of Hu-line
Scientia Sinica Terrae, 2016, 46(11):1505-1514.] DOI: 10.1360/N072015-00527.

[本文引用: 1]

Vorosmarty C J, Green P, Salisbury J, et al. Global water resources: Vulnerability from climate change and population growth
Science, 2000, 289(5477):284-288. DOI: 10.1126/science.289.5477.284.

URL [本文引用: 1]

夏军, 邱冰, 潘兴瑶, . 气候变化影响下水资源脆弱性评估方法及其应用
地球科学进展, 2012, 27(4) : 443-451.

[本文引用: 1]

[ Xia Jun, Qiu Bing, Pan Xingyao, et al. Assessment of water resources vulnerability under climate change and human activities
Advances in Earth Science, 2012, 27(4):443-451.] DOI: 10.11867/j.issn.1001-8166.2012.04.0443.

[本文引用: 1]

Kebede A S, Nicholls R J, Allan A, et al. Applying the global RCP-SSP-SPA scenario framework at sub-national scale: A multi-scale and participatory scenario approach
Science of The Total Environment, 2018, 635:659-672. DOI: 10.1016/j.scitotenv.2018.03.368.

URL [本文引用: 1]

Doxsey-Whitfield E, MacManus K, Adamoet S B, et al. Taking advantage of the improved availability of census data: Afirst look at the gridded population of the world: Version 4
Papers in Applied Geography, 2015, 3(1):226-234. DOI: 10.1080/23754931.2015.1014272.

URL [本文引用: 2]

Leyk S, Gaughan E, Adamo S B, et al. The spatial allocation of population: A review of large-scale gridded population data products and their fitness for use. Earth Syst. Sci
Data, 2019, 11(3):1385-1409. DOI: 10.5194/essd-11-1385-2019.

[本文引用: 1]

IPCC. Climate change 2013: The physical science basis. IPCC. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2013: 1535.
[本文引用: 1]

Harper S. Population-environment interactions: European migration, population composition and climate change
Environmental & Resource Economics, 2013, 55(4):525-541. DOI: 10.1007/s10640-013-9677-4.

[本文引用: 1]

Warszawski L, Frieler K, Huber V, et al. The inter-sectoral impact model intercomparison project (ISI-MIP): Project framework
Proceedings of the National Academy of Sciences, 2014, 111(9):3228-3232. DOI: 10.1073/pnas.1312330110.

[本文引用: 2]

Rosenzweig C, Arnell N W, Ebi K L, et al. Assessing inter-sectoral climate change risks: The role of ISIMIP
Environmental Research Letters, 2017, 12(1):301-330. DOI: 10.1088/1748-9326/12/1/010301.

[本文引用: 1]

Jones C D, Hughes J K, Bellouin N, et al. The HadGEM2-ES implementation of CMIP5 centennial simulations
Geoscientific Model Development, 2011, 4(3):543-570. DOI: 10.5194/gmd-4-543-2011.

URL [本文引用: 1]

Dufresne J L, Foujols M A, Denvil S, et al. Climate change projections using the IPSL-CM5 earth system model: From CMIP3 to CMIP5
Climate Dynamics, 2013, 40(9):2123-2165. DOI: 10.1007/s00382-012-1636-1.

URL [本文引用: 1]

Liu J, Williams J, Zehnder A, et al. GEPIC: Modelling wheat yield and crop water productivity with high resolution on a global scale
Agricultural Systems, 2007, 94:478-493. DOI: 10.1016/j.agsy.2006.11.019.

URL [本文引用: 1]

Müller C, Elliott J, Chryssanthacopoulos J, et al. Global gridded crop model evaluation: benchmarking, skills, deficiencies and implications
Geoscientific Model Development, 2017, 10(4):1403-1422. DOI: 10.5194/gmd-10-1403-2017.

URL [本文引用: 1]

Schaphoff S, von Bloh W, Rammig A, et al. LPJmL4: A dynamic global vegetation model with managed land-Part 1: Model description
Geoscientific Model Development, 2018, 11(4):1343-1375. DOI: 10.5194/gmd-11-1343-2018.

URL [本文引用: 1]

Alcamo J, DÖLl P, Henrichs T , Development and testing of the WaterGAP 2 global model of water use and availability
Hydrological Sciences Journal, 2003, 48(3):317-337. DOI: 10.1623/hysj.48.3.317.45290.

URL [本文引用: 1]

Alcamo J, DÖLl P, Henrichs T , et al. Development and testing of the WaterGAP 2 global model of water use and availability
Hydrological Sciences Journal, 2003, 48(3):317-337. DOI: 10.1623/hysj.48.3.317.45290.

URL [本文引用: 1]

Rogers A. Demographic modeling of the geography of migration and population: A multiregional perspective
Geographical Analysis, 2008, 40(3):276-296. DOI: 10.1111/j.1538-4632.2008.00726.x.

URL [本文引用: 2]

Jones B, O'Neill B C . Spatially explicit global population scenarios consistent with the Shared Socioeconomic Pathways
Environmental Research Letters, 2016, 11(8):84-86. DOI: 10.1088/1748-9326/11/8/084003.

[本文引用: 3]

王铮. 理论经济地理学. 北京: 高等教育出版社, 2006.
[本文引用: 1]

[Wang Zheng. Theoretical Economic Geography. Beijing: Higher Education Press, 2006.]
[本文引用: 1]

Rogers A, Raquillet R, Castro L J. Model migration schedules and their applications
Environment and Planning A: Economy and Space, 1978, 10(5):475-502. DOI: 10.1068/a100475.

URL [本文引用: 1]

杨云彦. 中国人口迁移与发展的长期战略. 武汉: 武汉出版社, 1994.
[本文引用: 1]

[ Yang Yunyan. Long-term Strategy of Population Migration and Development in China. Wuhan: Wuhan Press, 1994.]
[本文引用: 1]

Chen Y D, Guo F, Wang J C, et al. Provincial and gridded population projection for China under shared socioeconomic pathways from 2010 to 2100
Scientific Data, 2020, 7, 83. DOI: 10.1038/s41597-020-0421-y.

URL [本文引用: 1]

Hunter L M, Luna J K, Norton R M. Environmental dimensions of migration
Annual Review of Sociology, 2015, 41(1):377-397. DOI: 10.1146/annurev-soc-073014-112223.

URL [本文引用: 2]

Black R, Black R, Bennett S R G , et al. Migration as adaptation
Nature, 2011, 478(7370):447-449. DOI: WOS:000296194200014.

URL [本文引用: 1]

Cattaneo C, Peri G. The migration response to increasing temperatures
Journal of Development Economics, 2016, 122:127-146. DOI: 10.3386/w21622.

URL [本文引用: 1]

Hvistendahl M. Has China outgrown the one-child policy?
Science, 2010, 329(5998):1458-1461. DOI: 10.1126/science.329.5998.1458.

PMID:20847244 [本文引用: 1]

Zhang J, Wang R, Lu C. A quantitative analysis of Hukou reform in Chinese cities: 2000-2016
Growth and Change, 2019. 50(1):201-221. DOI: 10.1111/grow.12284.

URL [本文引用: 1]

闂傚倸鍊搁崐鎼佸磹閹间礁纾归柟闂寸绾惧綊鏌i幋锝呅撻柛銈呭閺屾盯顢曢敐鍡欘槬缂備胶濮锋繛鈧柡宀€鍠栭獮鎴﹀箛闂堟稒顔勯梺鑽ゅ枑閻熻京绮婚幘璇茬畺婵°倕鎳忛弲鏌ュ箹缁厜鍋撻幇浣逛氦闂傚倷鐒﹂幃鍫曞礉瀹ュ洦宕查柛顐犲劤瀹撲線鏌″搴d粓閹兼惌鐓堥弫鍡涙煃瑜滈崜姘┍婵犲洦鍤冮柍鍝勫暞閿涘繘姊虹拠鈥崇€诲ù锝夋櫜閸掓帡姊绘担鍛婃儓閻炴凹鍋婂畷婵嬪箣閿曗偓缁犳牠鏌曢崼婵愭Ц缁炬儳鍚嬬换娑㈠箣閻戝洣绶垫繛瀵搞€嬮幏锟�2濠电姷鏁告慨鐑藉极閸涘﹥鍙忛柣鎴f閺嬩線鏌熼梻瀵割槮缁炬儳顭烽弻锝夊箛椤掍焦鍎撻梺鎼炲妼閸婂潡寮诲☉銏╂晝闁挎繂妫涢ˇ銉х磽娴e搫校濠㈢懓妫涘Σ鎰板箳閺傚搫浜鹃柨婵嗛娴滃墽绱掗幍浣规珕缂佺粯绋戦蹇涱敊閼姐倗娉块梺璇″灣閸犳牕顫忓ú顏勭闁告瑥顦伴崕鎾愁渻閵堝棗鐏ユ繛灞傚妿閸掓帒鈻庨幒鏃傛澑濠电偞鍨堕悷銏ゅ箯濞差亝鈷戦梻鍫氭櫅閻︽粓鏌涘Ο鎭掑仮鐎规洘绻勯埀顒婄秵閸嬩焦绂嶅⿰鍫熺厪濠电偛鐏濋崝婊勩亜閵夛絽鐏柍褜鍓濋~澶娒哄⿰鍫濇瀬濠电姵鑹鹃弰銉╂煃瑜滈崜姘跺Φ閸曨垰绠抽柟瀛樼箥娴犻箖姊洪幎鑺ユ暠闁搞劌娼″璇测槈濡攱顫嶅┑顔筋殔閻楀棙瀵奸幇顓犵瘈婵炲牆鐏濆▍娆戠磼閻樺啿鐏存繝鈧担绯曟斀闁绘ǹ顕滃銉╂煙閸愭彃顒㈢紒鍌涘笚濞煎繘鍩為幆褌澹曢柣鐔哥懃鐎氼厾绮堥崘鈺€绻嗛柣鎰閻瑧鈧鍣崑濠囩嵁濡偐纾兼俊顖濇〃濮规鏌f惔銈庢綈婵炲弶鐗曠叅闁靛牆顦卞畵浣规叏濡炶浜惧┑顔硷功缁垶骞忛崨鏉戝窛濠电姴鍟崜鍨繆閻愵亜鈧呪偓闈涚焸瀹曞綊宕奸弴鐐电暫濠碘槅鍨甸妴鈧柡鈧禒瀣€甸柨婵嗙凹缁ㄥジ寮堕崼婵堝ⅵ婵﹥妞藉Λ鍐ㄢ槈濮樿京鏉介梻浣呵归敃銉╂偋閻樿绠栭柨鐔哄У閸嬪嫰鏌涜箛姘汗闁告瑥妫濆娲传閸曨剙顦╁銈冨妼閹冲繒绮嬪澶婄畾鐟滄粌銆掓繝姘厪闁割偅绻勭粻鐗堛亜閳哄﹤澧撮柡灞稿墲閹峰懘宕滈懠顒€鎮戦梻浣虹帛娓氭宕抽敐鍛殾婵せ鍋撻柛鈺嬬節瀹曟﹢鎮欓鍌樺亽闂傚倷娴囬褔宕欓悾宀€绀婇柛鈩冪☉绾惧鏌熼悜妯烘婵炴垯鍨圭粈鍐煏婵炲灝鐏柡鍌楀亾闂傚倷鑳剁划顖炲礉閺嵭跨細婵炲棙鎸婚崐鍫曟煥閺傚灝鈷旀俊顐灦閺屸剝寰勬惔銏€€婇柡浣哥墕铻栭柣姗€娼ф禒婊勩亜閿曗偓閻忔碍绌辨繝鍥ч唶闁哄洨鍋涢懓鍨攽閻愬弶顥為柛鈺佺墦瀹曨垱鎯旈妸锔规嫽婵炶揪绲块崕銈夊吹閳ь剙顪冮妶鍡樺闁告瑥鍟悾鐑藉箣閿旇棄鈧兘鏌″鍤藉綊藝闂堟侗鍤曞ù鐘差儛閺佸洭鏌i弮鍥ㄨ吂闁告牗鐗曢埞鎴︽倷鐎涙ê闉嶉梺鐓庣秺缁犳牠寮崘顔芥櫇闁稿本姘ㄩ悾娲⒑缁嬭法绠绘俊顐ユ硶閹广垽宕卞☉娆戝幈濠电偛妫楀ù姘g粙搴撴斀妞ゆ柨鍚嬮崰姗€鏌$仦鐣屝ら柟椋庡█瀵濡烽妷銉ュ挤濠德板€楁慨鐑藉磻濞戞◤娲敇閻愬灚娈惧┑鐘诧工鐎氼厽鍒婇幘顔界叄闊洦娲橀崵鈧Δ鐘靛亹閸嬫挻绻濋悽闈浶ラ柡浣告啞閹便劑鎮滄慨鎰ㄥ亾閸岀偞瀵犲鍏夋櫔缂嶄礁鐣烽妸鈺佺骇闁瑰瓨绻勯埀顒夊弮濮婂宕掑鍗烆杸缂備礁顑呴悧鎾愁嚕缁嬫鍚嬪璺侯儑閸欏棗鈹戦悩缁樻锭婵☆偅鐟﹂崚濠囧礂閼测晝顔曢柣蹇撶箲閻楁鈻嶆繝鍥ㄧ厸閻忕偟鍋撶粈鍐磼缂佹ḿ娲撮柟顔界懇椤㈡鎷呴崫鍕ɑ闂傚倸鍊烽懗鍓佸垝椤栫偛绠伴柛顐f礀绾惧潡鏌ょ喊鍗炲鐎规洖寮剁换娑㈠箣濞嗗繒浠肩紓浣哄缂嶄線寮婚敐澶婄疀闁宠桨绀侀‖瀣磽娴gǹ缍侀柛妤€鍟块~蹇涙惞閸︻厾锛滃┑鈽嗗灣閸庛倗鎷犻悙鐑樷拺閻炴稈鈧厖澹曢梻鍌欑贰閸撴瑧绮旂€涙﹩鏀伴梻鍌欑閹测€趁洪敃鍌氬瀭濠靛倻枪閺嬩線鏌涢幇闈涙灍闁绘挸绻橀悡顐﹀炊瑜濋弨缁樼箾閸涱厽鍤囬柡灞剧洴楠炴ḿ鎷嬮搹顐㈡灓婵犳鍠栭敃銉ヮ渻娴犲宓侀柟閭﹀幗閸庣喖鏌ㄥ┑鍡椻偓鎼侊綖瀹€鍕拻濞达絽鎲¢崯鐐存叏婵犲倻绉洪柟顔惧厴閸╋繝宕ㄩ闂寸钵婵$偑鍊栧Λ鍐极椤曗偓瀹曟垿骞樼紒妯绘珳闁硅偐琛ラ崜婵嬫偟椤曗偓濮婄儤娼幍顕呮М缂備礁顦遍弫鎼佸箲閵忕姭鏀介柛銉㈡櫇閻﹀牓姊虹粙鎸庢拱缂佸鍨块、鎾斥槈濡攱鏂€闂佺偨鍎遍崯璺ㄧ棯瑜旈弻鐔虹矙閸喗姣愬銈庡亜缁绘帞妲愰幒鎳崇喓鎷犲顔瑰亾閹剧粯鈷戦柛娑橈功濞插瓨绻涙担鍐插枦閼板潡姊洪鈧粔瀵哥不閺屻儲鐓忛煫鍥ь儏閳ь剚娲滅划璇测槈濞嗗秳绨婚梺鍝勫€搁悘婵嬪煕閺冨牊鐓熼柟鐐墯閸庢梹鎱ㄦ繝鍛仩缂佽鲸甯掕灒闁惧繘鈧稓绀冨┑鐘殿暯濡插懘宕戦崟顓涘亾濮橆厽绶查柣锝囨焿閵囨劙骞掗幋鐙呯床闂備胶绮崝鏇㈩敋椤撱垹鍌ㄩ梺顒€绉甸崐鐢告煕韫囨搩妲稿ù婊堢畺濮婃椽鏌呴悙鑼跺濠⒀冾嚟閳ь剝顫夊ú姗€宕归崸妤€绠栨繛鍡樻尭娴肩娀鏌涢弴銊ュ伎缂侀亶浜跺缁樼瑹閳ь剙岣胯婢ф繈姊洪崫鍕櫤缂侇喗鎹囬獮鍐晸閻樺弬銊╂煃閸濆嫬鈧宕㈡禒瀣拺闁告繂瀚婵嬫煕鐎n偆娲撮柛鈹惧亾濡炪倖宸婚崑鎾寸節閳ь剟鏌嗗鍛姦濡炪倖甯婇懗鍫曞疮閺屻儲鐓欓柛鎴欏€栫€氾拷
濠电姷鏁告慨鐑藉极閸涘﹥鍙忛柣鎴f閺嬩線鏌涘☉姗堟敾闁告瑥绻愰湁闁稿繐鍚嬬紞鎴︽煕閵娿儱鈧骞夐幖浣瑰亱闁割偅绻勯悷鏌ユ⒑缁嬫鍎忔い锔炬暬瀵寮撮敍鍕澑闁诲函缍嗘禍鏍磻閹捐鍗抽柕蹇娾偓鏂ュ亾瀹勬壋鏀介柣妯诲絻椤忣亪鏌涢悩鍐插闁逞屽墮缁犲秹宕曢崡鐐嶆稑鈻庨幘宕囩厬闂婎偄娲︾粙鎺楁偂韫囨稒鐓曟い鎰剁悼缁犮儲淇婇幓鎺旂Ш闁哄苯绉归弻銊р偓锝庝簽娴煎矂姊洪崫鍕拱缂佸鍨块崺銉﹀緞婵犲孩寤洪梺鍓插亝缁烩偓缂佹唻绲跨槐鎾诲磼濞嗘垵濡藉銈冨妼濡盯寮鍢夋梹鎷呯悰鈩冩暤濠电姷鏁告慨鏉懨归崒鐐叉瀬闁告劦鍠楅悡銉︾節闂堟稒顥炲璺哄閺屾盯骞掗幘鍨涙濡炪値浜滈崯瀛樹繆閸洖绀冮柕濞у倻妫┑鐘殿暯濡插懘宕戦崟顖氱柈妞ゆ牜鍋涚粻鐐烘煏婵炵偓娅呴柣鎺戠仛閵囧嫰骞掗幋婵愪痪闂佺粯鎸哥换姗€寮诲☉銏╂晝闁挎繂娲ㄩ悾娲⒑閹稿海鈽夌紒澶婄仛缁岃鲸绻濋崶鑸垫櫇闂侀潧绻掓刊顓熷閸愵喗鈷戦柛婵嗗閻掕法绱掗弻銉х暫妤犵偛妫濆顕€宕奸锝嗘珫婵犵數濮撮敃銈夊箟濞戙垺鏅插璺侯儌閹锋椽姊洪崨濠勭細闁稿氦椴搁悧搴ㄦ⒒娴h櫣甯涙い銊ョ墛閹便劑骞橀钘変患闂佺粯鍨煎Λ鍕綖閸涘瓨鐓忛柛顐g箖閸h姤銇勯弮鈧敮鎺椻€旈崘顔嘉ч柛鈩兦氶幏濠氭⒑閸濆嫭濯奸柛瀣工閻g兘濮€閵堝懐顔愭繛杈剧到閸樻粓骞忓ú顏呪拺闁告稑锕﹂埥澶愭煥閺囨ê鍔ょ紒顔肩墢閳ь剨缍嗛崑鍡欑不閹灐褰掓晲閸涱厽姣愬┑鐐额嚋缁犳挸鐣烽幇鏉块唶闁哄洨鍠撻崣鍡椻攽閻樼粯娑ф俊顐g懇钘熼柟鎹愮М閻熸壋鍫柛鏇ㄥ幘閻撳姊洪崫鍕伇闁哥姵鎹囬崺鈧い鎺嶈兌閳洖鐣濋敐鍫熺《缂侇喖顭峰鍊燁檨闁绘柨妫濋幃褰掑传閸曨剚鍎撳銈呮禋閸嬪棛妲愰幒鎾寸秶闁靛ǹ鍎抽鍌炴⒑闁偛鑻晶鍓х磽瀹ュ懏顥炵紒鍌氱Ф閹瑰嫭鎷呴弴鐘叉灈闁糕斁鍋撳銈嗗笒鐎氼參鍩涢幋鐘电<妞ゆ牗绋掔粈鍐煛婢跺﹦绉洪柡灞剧〒閳ь剨缍嗛崑鍛焊椤撶喆浜滄い蹇撳閺嗭絽鈹戦垾宕囧煟鐎规洖宕灃闁逞屽墮宀e潡骞嬮敂瑙f嫼缂備礁顑嗛娆撳磿閹扮増鐓欓柣鐔哄閸犳ḿ鈧鍠涢褔顢樻總绋跨倞闁靛ǹ鍎宠ぐ鎾⒒娴e憡鎯堥悶姘煎亰瀹曟洟宕¢悜鍡楁闂佸搫顦花閬嶅绩娴犲鐓ラ柣鏂挎惈鍟搁梺浼欑到閹碱偊婀佸┑鐘诧工閸熶即宕洪敐鍥e亾濞堝灝鏋︽い鏇嗗浂鏁囧┑鍌溓归柋鍥ㄣ亜閹板墎绉甸柍褜鍓欏ú顓烆潖缂佹ɑ濯撮柛娑橈工閺嗗牓姊洪崷顓€褰掆€﹂悜钘夌畺闁绘垼妫勯悡娑樏归敐鍥у妺婵炲牊鍎抽—鍐Χ閸℃瑥顫х紓浣割儐閸ㄥ潡銆佸鑸电劶鐎广儱妫楅埀顒€鐏氱换娑㈠箣閻戝棔鐥銈呯箰閹虫劙銆呴崣澶堜簻闁哄秲鍔岄悞褰掓煛閳ь剚绂掔€n偆鍘介梺褰掑亰閸撴瑧鐥閺屽秶绱掑Ο鑽ゎ槬闂傚洤顦扮换婵囩節閸屾凹浼€缂備胶濮烽崑鐔煎焵椤掍緡鍟忛柛鐘愁殜閹繝鏁撻悩顔瑰亾娴h倽鏃堝川椤撶媭妲规俊鐐€栧濠氬磻閹剧粯鐓冪憸婊堝礈濞嗘挻鍋夊┑鍌溓归拑鐔兼煥濠靛棭妲哥紒鐘崇⊕閵囧嫰寮崶顬挻鎱ㄩ敐鍛伃婵﹨娅e☉鐢稿川椤曞懏顥夐梻浣呵归敃銈呩缚閳ユ剚鍤曢悹鍥ㄧゴ濡插牓鏌曡箛鏇烆潔鐟滄棃寮诲☉銏犖ㄦい鏂垮綖閾忓酣姊洪棃娑氱疄闁稿﹥鐗犺棢闁糕剝顨忛悢鍡涙偣鏉炴媽顒熼柛搴㈠灩缁辨帡鍩﹂埀顒勫磻閹炬枼鏀介柣妯虹仛閺嗏晛鈹戦鑺ュ唉鐎规洘鍔欓獮鏍ㄦ媴閸涘﹨绶㈤梻浣瑰缁诲倸螞鎼淬垻顩叉繝濠傜墕缁犺绻涢敐搴″闁绘帞鍎ょ换娑㈠醇閻斿摜顦伴梺鍝勬湰濞茬喎鐣烽幆閭︽Щ濡炪倕娴氶崣鍐蓟濞戙垹鐓涢柛鎰╁妺濡叉劕顪冮妶鍐ㄧ仾闁挎洏鍨介獮鍐ㄢ枎韫囷絽鏅犲銈嗘瀹曢潧螞椤栨稓绡€闁汇垽娼ф牎濡炪倖姊归悧鐘茬暦瑜版帗鐒肩€广儱鎳愰鍥⒑鐟欏嫬鍔舵俊顐㈠閹锋垿鎮㈤崗鑲╁弳闂佺粯鏌ㄩ幖顐㈢摥闂備胶绮崝鏇㈡晝椤忓牆钃熺€广儱妫欐慨婊堟煙濞堝灝鏋涘┑鈥茬矙濮婅櫣鎷犻懠顒傤吅缂備浇鍩栭懝楣冿綖韫囨拋娲敂閸曨偆鐛╁┑鐘垫暩婵鈧凹鍙冨畷鏉库槈閵忊檧鎷虹紓浣割儐椤戞瑩宕曢幇鐗堢厵闁荤喓澧楅幖鎰亜椤愩垻绠崇紒杈ㄥ笒铻i悹鍥ф▕閳ь剚鎹囧娲川婵犲嫮绱伴梺绋挎唉濞呮洟銆冨▎蹇婃斀闁绘ê鐏氶弳鈺呮煕鐎n偓鑰跨€规洜濞€閹晝鎷犻幓鎺曗偓鍧楁⒑瑜版帒浜板ù婊勭箞閹牐绠涘☉娆屾嫽婵炶揪缍€濞咃絿鏁☉銏$厱闁哄啠鍋撴い銊ワ工椤曪綁顢曢敃鈧导鐘绘煏婢诡垰鍊婚悷婵嬫⒒娴e憡鎯堥柛鐕佸亰閹勭節閸ャ劌浜楀┑鐐叉閹稿鎮″▎鎰╀簻闁哄诞鍕垫闂佸吋妞块崹浼村煝閹捐閱囬柡鍥╁暱閹锋椽鎮楃憴鍕婵炲眰鍔庨弫顔尖槈濞嗘劕寮挎繝鐢靛Т閸婅崵绮旈悜姗嗘闁绘劘灏欐晶锕€鈹戦埄鍐╁€愬┑锟犳敱閹棃鏁愰崨顔句簴闂備礁缍婇ˉ鎾寸箾閳ь剚顨ラ悙瀛樺磳妤犵偞甯掗埞鎴﹀炊閵娧佸仒闂傚倸鍊搁崐鎼佸磹閻戣姤鍊块柨鏇炲€哥粻鏍煕椤愶絾绀€缁炬儳婀遍幉姝岀疀閺囩偛鐏婃繝鐢靛У閼瑰墽绮绘繝姘仯闁搞儺浜滈拕濂告煙閼恒儲绀嬫慨濠呮缁辨帒螣濞茬粯鈷栨繝鐢靛仜閹锋垹绱炴笟鈧獮鍡欎沪鐟欙絾鐎婚梺瑙勫劤椤曨參宕㈤悽鐢电=濞达絽澹婇崕蹇涙煟韫囨梻绠炴い銏☆殜婵偓闁靛牆妫涢崢闈涱渻閵堝棙鈷掗柡鍜佸亰楠炲﹪宕堕妸锕€寮挎繝鐢靛Т鐎氼剟宕濈€n喗鍊甸柣銏ゆ涧鐢爼鏌嶇拠鏌ュ弰妤犵偛顑夐幃鈺佄熼懡銈囩厒缂備浇椴搁幐濠氬箯閸涙潙浼犻柛鏇熷煀缂嶄線寮婚敐鍛傛梹鎷呴崷顓фЧ婵$偑鍊戦崹鍝勭暆閹间礁鏋侀柟閭﹀幖缁剁偞淇婇婊呭笡婵炲懎娲缁樻媴缁嬫寧姣愰梺璇茬箰閻楁挸顕i幓鎺嗗牚闁割偆鍠庨埀顒勬涧閳规垿鎮╁畷鍥舵殹闂佹娊鏀遍崹褰掑箟閹间焦鍋嬮柛顐g箘閻熴劍绻涚€涙ḿ鐭嗛柛妤佸▕瀵鈽夊Ο婊呭枛瀹曨偊宕熼妸锕€鐦辩紓鍌氬€风欢锟犲窗濡ゅ懏鍋¢柍杞拌兌閺嗭箓鏌i弮鍌楁嫛闁轰礁绉电换娑㈠箣閻愯尙鐟查柣搴㈣壘閵堢ǹ顫忕紒妯诲闁告稑锕ㄧ涵鈧梺鍝勵儛娴滄繄鎹㈠☉姘e亾閻㈢櫥褰掑储閹绢喗鐓曢柍鐟扮仢閸旀粎鈧灚婢樼€氫即鐛崶顒夋晣闁绘ɑ褰冪粻浼存⒒閸屾瑧顦﹀鐟帮躬瀹曟垿骞掑Δ鈧壕濠氭煕閺囥劌澧繛鍛█閹鎮介悽鐐光偓濠囨煕鐎n偅灏甸柟鍙夋尦瀹曠喖顢楅崒銈喰氱紓鍌氬€搁崐鍝ョ矓閹绢喗鏅濋柕澶涘閳瑰秴鈹戦悩鎻掍簽婵炲吋澹嗛埀顒€鍘滈崑鎾斥攽閻樻彃鏁い蹇撳閺€浠嬫煟濡澧柛鐔风箻閺屾盯濡搁妶鍛ギ婵犵鈧磭鍩f鐐寸墬閹峰懎顫㈢仦鐐暫濠电姷鏁搁崑鐐哄垂閹澘缍旀繝纰樺墲瑜板啴鎮ф繝鍥х疄闁靛ǹ鍎欓弮鍫濈劦妞ゆ帒瀚崑瀣攽閻樺弶鎼愰柡瀣╃窔閺屾盯骞樺Δ鈧幊鎰版晬濠靛洨绠鹃弶鍫濆⒔閸掍即鏌熺喊鍗炰簼闁绘閰e鍝勑ч崶褏鍔撮梺鎼炲妽婵炲﹤鐣烽幋锕€围濠㈣泛锕ュΣ顒勬⒑闁偛鑻晶顖炴煏閸パ冾伃妤犵偞甯″畷鍗烆渻閹屾闂傚倸鍊峰ù鍥敋瑜忛幑銏ゅ箣閿旇棄娈炴俊銈忕到閸熺娀鍩€椤掑﹦鐣电€规洖缍婇、姘跺川椤旇偐绱﹂梻鍌欑窔閳ь剛鍋涢懟顖涙櫠鐎涙﹩娈介柣鎰絻閺嗐垺銇勯敃鈧﹢閬嶅焵椤掑喚娼愭繛鍙夌墪閻g兘顢楅崟顒傜暢闂傚倷绀侀幖顐λ囬幍顔瑰亾缁楁稑娲ょ粣妤佷繆椤栨氨姣為柛瀣尵閹叉挳宕熼鍌ゆФ闂佸搫顑愭禍顏堝箺閸洖鍐€妞ゎ兘鈧磭绉洪柡浣瑰姈瀵板嫮鈧綆鍋嗚ぐ鎼佹⒒娴e湱婀介柛搴e劋缁傚秹顢旈崟鍨稁缂傚倷鐒﹁摫濠殿垱娼欓妴鎺戭潩閻撳海浠梺杞扮贰閸ㄨ泛顫忛搹瑙勫枂闁告洦鍏欐禒褎绻涚€涙ḿ鐭ゅù婊勭矒閿濈偠绠涢弮鍌ゆ祫闁诲函缍嗘禍鐐核囬弶娆炬富闁靛牆妫涙晶顒傜磼鐎n偄绗掗柍璇茬Ч瀵粙顢橀悢鍙夊闂備礁鎲$换鍌溾偓姘煎櫍閸┿垺寰勯幇顓犲幈濠碘槅鍨板﹢閬嶆儗濞嗘挻鐓欐い鏃€鐟i崐妤呮偪閳ь剙鈹戦悙鏉戠仸闁荤啙鍥у偍闂侇剙绉甸埛鎴︽煛閸屾ê鍔滄繛鍛嚇閺屾盯鎮ゆ担鍝ヤ化缂備緡鍠栭悧鎾诲春閳ь剚銇勯幒鍡椾壕濡炪値浜滈崯瀛樹繆閹壆鐤€闁哄洨鍋熼悡妤呮⒒娴e憡鎯堟俊顐g懅缁晝鍖栭弶鎴旀斀闁绘ê鐏氶弳鈺佲攽椤旀儳鍘寸€殿噮鍋婂畷銊︾節閸愩劌浼庡┑鐐存綑閸氬岣垮▎鎾冲瀭闁稿瞼鍋為悡鏇㈡煥閺冨浂鍤欐鐐瘁缚缁辨帡鍩€椤掍胶绡€闁稿本顨嗛弬鈧梻浣虹帛閿氱€殿喖鐖奸獮鏍箛閻楀牏鍘介梺鍦劋閸ㄨ绂掑☉銏$厪闁搞儜鍐句純濡ょ姷鍋炵敮鎺楊敇婵傜ǹ閱囨繝闈涙閼垫劙姊婚崒娆戝妽闁告挻宀稿畷褰掑础閻忕粯妞介幃銏ゆ偂鎼淬倖鎲伴梻浣告惈濞层垽宕硅ぐ鎺斿祦闁靛繆鈧尙绠氶梺闈涚墕閸婂憡绂嶆ィ鍐┾拺闁告繂瀚敍鏃傜磽瀹ュ嫮绐旂€殿喖顭烽弫宥夊礋椤忓懎濯伴梻浣告啞閹稿棝宕熼銏画婵犲痉鏉库偓妤佹叏閻戣棄纾婚柣鎰仛閺嗘粓鏌ㄩ悢鍝勑ョ€规挷绶氶幃妤呮晲鎼粹剝鐏嶉梺绋匡工椤兘寮诲☉銏犵労闁告劕銇樼欢闈涒攽閳藉棗鈧倝宕橀敐鍡樻澑闂備焦瀵х粙鎴犫偓姘煎墯缁傚秵绺介崨濠勫幈婵犵數濮撮崯鐗堟櫠闁秵鐓涘〒姘搐濞呭秹鏌熼鐣屾噰鐎规洦鍋婂畷鐔碱敇閻樿尙鍊為梻鍌氬€风粈浣虹礊婵犲洤纾诲┑鐘叉搐缁愭鎱ㄥΟ鍨厫闁稿孩顨嗙换娑㈠幢濡ゅ啰鐣鹃梺琛″亾濞寸姴顑嗛悡鐔镐繆椤栨碍鎯堢紒鐙欏喚鐔嗛悹鍝勬惈椤忣參鏌$仦鍓с€掗柍褜鍓ㄧ紞鍡涘磻閸曨剚鍙忕€广儱顦伴悡娑氣偓鍏夊亾閻庯綆鍓涜ⅵ濠电姵顔栭崰鎺楀磻閹剧粯鈷戦梻鍫熺〒缁犳岸鏌涢幘瀵哥畵鐞氭瑩鏌涢弴銊ョ仭闁绘挻绋戦湁闁挎繂鎳忛幉绋款熆瑜濋梽鍕箞閵婏妇绡€闁告洦鍘肩粭锟犳⒑閻熸澘妲婚柟铏姉閸掓帒鈻庨幘宕囶唶闁硅偐琛ュ褔宕戦幘娲绘晬婵﹫绲鹃弬鈧梻浣虹帛閿曗晠宕伴弽顓熷€舵い蹇撶墛閻撱儵鏌¢崶顭嬵亪鎮橀埡鍛厽闁挎繂娲ら崢瀛樸亜閵忥紕鈽夐柍钘夘槸椤粓宕卞Δ渚囧晫闂傚倷娴囬褏鈧稈鏅濈划娆撳箳濡や焦娅旀繝鐢靛仜閻°劎鍒掗悩璇插瀭閻犺桨璀﹀ḿ鏍ㄧ箾瀹割喕绨荤€瑰憡绻傞埞鎴︽偐閹绘帩浼€闂佷紮绲介悘姘辨崲濠靛棌鏋旈柛顭戝枤娴犲瓨淇婇悙鑼憼闁诡喖鍊块悰顕€宕卞☉妯肩潉闂佸壊鍋呯换宥呩缚婵犲洦鈷戦柟绋挎捣閳藉鎮楀鐓庢灕闁稿﹤鐡ㄧ换婵堝枈婢跺瞼锛熼梺绋款儐閸ㄥ灝鐣烽幇鏉垮唨妞ゆ挾鍋熼ˇ顔尖攽鎺抽崐鏇㈠箠鎼达絿鐜绘俊銈呮噹缁犺绻涢敐搴″闁诲浚鍠楅妵鍕煛閸屾氨绁烽柧缁樼墵閺屻劌鈹戦崱妯烘闂佸搫妫涢崑銈夊蓟閿濆绠婚悗闈涙啞閸掓盯姊洪崫鍕拱闁烩晩鍨辨穱濠囨倻閼恒儲娅滈梺鍛婁緱閸欏酣鎮楅幘顔解拻濞达絽婀卞﹢浠嬫煕閺傝法效鐎规洖缍婂畷绋课旈埀顒勬嫅閻斿吋鐓ユ繝闈涙-濡插綊鏌涚€n亜顏柡灞剧☉閳诲氦绠涢敐鍠把囨⒑缂佹ḿ绠栨俊顐㈠暙椤繘鎼归崗澶婁壕闁革富鍘兼牎濡炪們鍎遍ˇ浼村Φ閸曨垱鏅滈柣鎰靛墯濮e牓姊虹紒妯圭繁闁哥姵鐗為悘鎺楁⒑閸忚偐銈撮柡鍛箞钘濋柍鍝勬噺閳锋垹绱撴担鍏夋(妞ゅ繐瀚弳锔姐亜閹烘垵顏撮柡浣告閺屾洝绠涙繛鎯т壕闁肩⒈鍓涢悾楣冩⒒娴h櫣甯涢柛鏃撻檮缁傚秴饪伴崼婵堝姦濡炪倖甯婇懗鑸垫櫠椤忓牊鍋傞柕鍫濇缁♀偓闂傚倸鐗婄粙鎺椝夐幋锔界厸閻庯綆浜炴晥闂佸搫鐭夌换婵嗙暦閸洖鐓涘ù锝夋敱閸犳氨绱撻崒姘偓鎼佸磹閻熸壆鏆嗛柟闂寸劍閸嬪倹銇勯幇鍓佺暠闁绘劕锕弻鏇熺箾瑜夐崑鎾翠繆閹绘帞澧﹂柟顔筋殜閹兘鎮ч崼婵囨畼缂傚倷娴囬褔宕€涙ü绻嗛柣銏⑶圭粈瀣亜閺嶃劍鐨戞い鏃€甯掗埞鎴炲箠闁稿﹥鍔欏畷鎴﹀箻缂佹ḿ鍘遍梺缁樻磻缁€渚€鎮橀敂濮愪簻闁靛骏绱曢幊鍥煛娴h宕岄柡浣规崌閺佹捇鏁撻敓锟�20婵犵數濮烽弫鍛婃叏閹绢喗鍎夊鑸靛姇缁狙囧箹鐎涙ɑ灏ù婊呭亾娣囧﹪濡堕崟顓炲闂佸憡鐟ョ换姗€寮婚敐澶婄闁挎繂妫Λ鍕磼閻愵剙鍔ゆい顓犲厴瀵鏁愰崨鍌滃枎閳诲酣骞嗚椤斿嫮绱撻崒娆掑厡濠殿喗鎸抽幃妯侯潩鐠轰綍锕傛煕閺囥劌鏋ら柣銈傚亾闂備礁婀遍崑鎾诲箚鐏炶娇娑㈠灳閹颁焦瀵岄梺闈涚墕妤犲憡绂嶅┑鍥╃闁告瑥顦紓姘舵煙楠炲灝鐏╅柍瑙勫灩閳ь剨缍嗛崑鎺懳涢崘銊㈡斀闁绘劖娼欓悘銉р偓瑙勬处閸撶喎鐣峰⿰鍫濈妞ゆ柨澧介敍婵囩箾鏉堝墽鍒伴柟纰卞亝閻楀酣姊绘担瑙勫仩闁告柨鑻玻鍧楀灳閹颁礁娈ㄦ繝鐢靛У閼规儳娲块梻浣虹《閸撴繈鏁嬮悗娈垮枛濞尖€愁潖妤﹁¥浜归柟鐑樺灣閸犲﹪姊虹粙璺ㄧ闁挎洏鍨归悾鐑藉箣閿曗偓缁犵粯绻濋姀鐘差仾婵☆偄鍟村畷娲焵椤掍降浜滈柟鐑樺灥椤忊晠鏌i幘瀵哥疄闁哄矉绻濆畷姗€濡歌椤e搫顪冮妶搴′簻闁硅櫕锕㈠濠氭晲閸涘倻鍠栭幃婊冾潨閸℃﹫楠忛梻鍌欒兌椤㈠﹤鈻嶉弴銏犵闁搞儺鍓欏洿濡炪倕绻愰幊搴敋闁秵鐓涘璺侯儏閻忊晜銇勯敂鍝勫婵﹥妞藉畷姗€宕f径瀣壍闂備焦瀵уú蹇涘磿閻㈢ǹ鏋佺€广儱顦婵囥亜閺嶃劎鐭岄柨娑欑箞濮婅櫣绮欓幐搴㈡嫳闂佽崵鍟欓崶浣告喘閺佸倹鎱ㄩ幇顏嗙泿闂備焦瀵уΛ渚€顢氳閹﹢鏁傛慨鎰盎闂侀潧绻嗛埀顒€鍟块幗闈涱渻閵堝啫鐏柨鏇樺灪閹便劑鍩€椤掑嫭鐓熸慨妞诲亾婵炰匠鍕弿闁挎梹鍨濈换鍡涙煟閹板吀绨婚柍褜鍓氶悧鏇㈩敊韫囨梻绡€婵﹩鍓涢敍娑㈡⒑鐟欏嫬鍔ゆい鏇ㄥ幘瀵囧焵椤掑嫭鈷戦梺顐ゅ仜閼活垱鏅堕幘顔界厸閻忕偠濮らˉ婊勩亜閹剧偨鍋㈢€规洏鍔戦、娑㈠Χ閸パ嗏偓鍧楁⒒閸屾艾鈧兘鎳楅崜浣稿灊妞ゆ牗鍑瑰ḿ鏍р攽閻樺疇澹橀柛灞诲妿閹叉悂寮▎鎯ф闂佸憡绋戦敃锕傛偡瑜版帗鐓冪憸婊堝礈閻斿鍤曞┑鐘宠壘閸楁娊鏌曡箛鏇炩枅闁哥偠娉涢埞鎴︽偐閼碱兛绮甸梺鍛婃⒐閻楁寮查妷鈺傗拻闁稿本鐟ㄩ崗宀勫几椤忓嫀鏃堟偐閸欏鍠愮紓渚囧枟濡線濡甸幇鏉跨闁硅揪绲鹃幉鐗堢節閻㈤潧浠﹂柛顭戝灦瀹曠銇愰幒鎴狀攨闂佽鍎兼慨銈夋偂韫囨挴鏀介柣鎰皺娴犮垽鏌涢弮鈧喊宥夊Φ閸曨垼鏁冮柣鏂挎啞閻濇艾鈹戦纭峰姛闁稿簺鍊楅埀顒傛暩閸樠囧煝鎼淬劌绠i柣妯挎珪椤斿繒绱撻崒姘偓鎼佸磹閸濄儳鐭撻柟缁㈠枟閺呮繃銇勮箛鎾跺ⅱ鐎规挷绶氶弻娑㈠箛閳轰礁顥嬮梺鍝勫暙閻楀棛绮堥崘顔界厓閺夌偞澹嗛崝宥夋煟鎼搭喖寮慨濠勭帛閹峰懘宕ㄦ繝鍌涙畼婵犵數鍋犻婊呯不閹惧磭鏆﹂柨婵嗘閸庣喖鏌曟繛鍨姕閺夊牆鐗撳铏规崉閵娿儲鐏佹繝娈垮枤閺佸宕哄☉銏犵闁挎梻鏅崢鍗炩攽閻樼粯娑ф俊顐n殜椤㈡棃顢旈崨顐$盎闂侀潧顧€缁犳垿鎮橀幘顔界厸閻忕偛澧介妴鎺楁煃瑜滈崜銊х礊閸℃稑纾婚柛娑卞幘閺嗭箓鎮橀悙闈涗壕闁告瑥绻愰埞鎴︽偐閹绘帗娈查梺闈涙处缁诲嫰鍩€椤掑喚娼愭繛璇х畵瀹曟垶绻濋崒婊勬闂佺粯姊婚崢褔宕归崒娑栦簻闁归偊鍓濋惂渚€鏌涢妷锝呭Ψ闁归攱妞藉娲川婵犲嫧妲堥梺鎸庢磸閸庣敻宕哄☉銏犵疀闁绘鐗忛崢钘夆攽鎺抽崐鏇㈠疮椤愶箑鐓濋柛顐ゅ櫏濞堜粙鏌i幇顓炵祷闁哄棴缍侀弻鈩冩媴鐟欏嫬纾抽梺璇″枓閺呯娀骞栬ぐ鎺濇晝闁挎繂娲ゅ娲⒒閸屾艾鈧绮堟笟鈧獮澶愬灳鐡掍焦妞介弫鍐磼濮橀硸妲舵繝鐢靛仜濡瑩骞愭繝姘;闁绘棁顔栬ぐ鎺撳亗閹艰揪绲鹃幉濂告⒑閹惰姤鏁遍柛銊ョ仢椤繑绻濆顒勫敹闂佺粯姊规禍浠嬪焵椤掍礁绗х紒杈ㄥ浮閹晠宕橀幓鎺撴嚈闂備礁鎼張顒勬儎椤栫偟宓佹俊顖氱毞閸嬫捇妫冨☉娆愬枑闂佹眹鍊曠€氭澘顫忛搹瑙勫珰闁炽儴娅曢悘鈧梻渚€鈧偛鑻晶顖炴煛鐎n亗鍋㈢€殿喖鎲¢幆鏃堝Ω閿旀儳骞嶉梻鍌欑贰閸欏繒绮婚幋锕€鍑犻柕鍫濇娴滄粓鏌¢崘锝呬壕濠电偛寮跺玻鍧楀箲閵忕姭鏀介悗锝庝憾濞煎﹪姊洪幐搴g畵婵☆偅鐩俊鎾箛椤掑瀵岄梺闈涚墕濡鎮橀妷锔跨箚妞ゆ劧绲块妴鎺楁煕閹烘挸娴€规洖銈告俊鐑藉Ψ瑜嶆慨锔戒繆閻愵亜鈧牜鏁幒鏂哄亾濮樼厧寮€规洘鍔欏畷褰掝敃閵堝浂鍟庨梻浣稿閸嬪懐鎹㈤崟顒傤浄闁靛骏绱曠粻楣冩煕濞戝崬骞橀弫鍫ユ⒑閸濆嫮鐒跨紒缁樼箞瀹曟椽鍩€椤掍降浜滈柟鐑樺灥椤忊晝鐥娑樹壕闂傚倷鑳剁划顖炲垂闂堟党娑樜旈埀顒勫煝閹炬椿鏁冮柨鏃囆掗幏娲⒑閸涘﹦鈽夐柨鏇樺劜瀵板嫰宕熼娑氬幈闁诲函缍嗛崑鍕归閿亾鐟欏嫭纾搁柛搴㈠▕閸┾偓妞ゆ帒锕︾粔鐢告煕閻樻剚娈滈柟顕嗙節瀵挳濮€閿涘嫬骞愰梻浣规偠閸庮垶宕曟潏銊ょ箚闁稿繒鈷堝▓浠嬫煟閹邦喗鎳栭柟瀵稿仧閳瑰秴鈹戦悩鍙夋悙闁活厽顨呴…璺ㄦ崉閻氭潙濮涙繛瀵稿帶閼活垶鍩為幋锔绘晩缁绢參鏀遍弫鎯р攽閿涘嫬浠╂俊顐㈠閹箖鎮滅粵瀣櫇闂佹寧娲嶉崑鎾剁磼閳ь剛鈧綆鍋佹禍婊堟煙闁箑鏋涢柡瀣闇夋繝濠傚閸斻倝妫佹径鎰厽婵☆垳鍎ら埢鏇㈡煕鎼淬垻鐭岀紒杈ㄦ尭椤撳ジ宕卞▎蹇婂悅婵$偑鍊ら崣鈧繛澶嬫礋楠炴垿宕熼娑樷偓缁樹繆椤栨粎甯涢悗姘▕濮婄粯鎷呴崨闈涙贡閹广垽骞嬮悩鎻掔亰闂佽宕橀褔鎷戦悢鍝ョ闁瑰瓨鐟ラ悞娲煛娴gǹ鏆i柡灞诲妼閳规垿宕卞鍡橈骏婵$偑鍊х拹鐔煎礉閹存繍娼栨繛宸簻娴肩娀鏌涢弴銊ュ妞ゅ孩鐩娲川婵犲啫鏆楅梺鍝ュУ閻楃娀鎮伴鈧畷姗€鈥﹂幋鐐茬紦闂備線鈧偛鑻晶瀛橆殽閻愭彃鏆欓柍璇查叄楠炴﹢骞栭鐕佹濠电姷鏁搁崑鐐哄垂閸洏鈧啴宕ㄥ銈咁槸椤繃娼忛埡鍐跨闯闂備胶枪閺堫剟鎮烽妸鈺佺閻忕偠袙閺€鑺ャ亜閺冨倸浜鹃柡鍡忔櫊閺屸剝绗熼崶褎鐝濋梺鎼炲姂缁犳牠鐛崶銊﹀闁革富鍘鹃埢澶嬬節閻㈤潧啸闁轰礁鎲¢幈銊╂偨閸涘﹤娈炴俊銈忕到閸燁垶宕愬畡鎵虫斀闁绘ê寮舵径鍕煟閹惧崬鍔滅紒缁樼箞濡啫鈽夊▎妯伙紒闂備線娼荤徊鎸庣仚濡炪値鍙€濞夋洟骞夐幘顔肩妞ゆ帒鍋嗗Σ瑙勭節濞堝灝鏋涢柨鏇樺劚椤啯绂掔€n亞鐤囬梺璺ㄥ枔婵潙娲块梻浣告啞娓氭宕板璺虹劦妞ゆ帊绀侀崝銈夋煃鐟欏嫬鐏撮柟顔界懇楠炴捇骞掗弮鍫㈠礈闂傚倷鐒﹂幃鍫曞礉鐏炵粨缂氶柨鐔哄Х瀹撲礁鈹戦悩韫抗闁哄啫鐗嗙粈鍐煃鏉炴媽鍏岄柨娑樼箻濮婃椽鎳¢妶鍛勃缂備礁顑呴悧鎾崇暦濠婂啠鏀介悗锝庡亜閳ь剝娉涢妴鎺戭潩閿濆懍澹曟繝娈垮枛閿曘劌鈻嶉敐鍛闁汇垻枪瀹告繃銇勯弬鍨倯闂佹鍙冨濠氬磼濮橆兘鍋撻崫銉㈠亾濮樼厧澧伴柍褜鍓氱喊宥咁熆濮椻偓閹箖鎮滈挊澶婂祮闂侀潧绻掓慨鐑筋敇濞差亝鈷戦柟绋垮椤ュ棙淇婇銏狀伃闁糕斁鍋撳銈嗗笒閸婂綊寮抽鍕厸閻忕偠顕ф俊濂告煃鐟欏嫬鐏寸€规洖宕埥澶愬箥娴i晲澹曞┑掳鍊撶欢鈥斥枔娴犲鐓熼柟閭﹀枟椤绱撻崒娑欑殤缂佽鲸甯楀ḿ蹇涘Ω閵夛箒鐧侀梻浣筋嚃閸犳帡寮插☉銏″仼闁绘垼妫勯悙濠勬喐婢舵劕绠ù鐓庣摠閳锋帒霉閿濆懏鍟為柟顖氱墕椤法鎹勯悜妯烘灎閻庤娲樼划宀勫煘閹达箑骞㈤柍杞扮劍椤斿倿姊绘担鍛婂暈婵炶绠撳畷鎴﹀焵椤掍椒绻嗛柟缁樺笧婢ф稓绱掔紒妯兼创鐎规洖宕灃濞达絼璀﹀ú璺衡攽閻愬樊鍤熼柕鍡楊儔楠炲繘鏁撻敓锟�
相关话题/人口 数据 作物 空间 城市