青藏高原人口流入流出时空模式研究
发布时间：2021-04-05 06:51
在大数据时代,来自网络的人口迁徙数据,为开展区域间人口流入、流出模式研究提供了强有力的数据支撑。本文基于腾讯日迁徙数据（2015—2018年）,借助时间序列、社交网络和时空统计等分析方法,剖析、挖掘了青藏高原人口流入与流出模式,探讨了青藏高原与国内其他城市间的季节性人口流向和人口互动网络特征。结果表明:①青藏高原人口流动具有显著的周期性特征,年内呈低—中—中高—高的季节性变化规律;2015至2018年,青藏高原在全国城市流动人口互动网络中的地位持续提升,人口流动量提升了8.2%,网络排名提升了24.5%,中值季、中高值季和高值季相对低值季而言,日均人口流动量依次增高14.2%、26.7%、57.8%;②青藏高原人口流动方向集中在青藏高原NEE-67.5°至SEE-112.5°的45°扇形区间,并且青藏高原与周边省份的省会城市互动频繁;③全国大部分城市与青藏高原人口互动强度持续增强,旅游业起到了关键的推动作用;新疆和田和巴音州、重庆、广安、眉山和河南三门峡与青藏高原间呈现中值季—中高值季升高而高值季下降模式,反映了青藏高原的劳务输入存在季节性变化的规律;吐鲁番、东莞和运城出现高值季下降模...
【文章来源】：地理学报. 2020,75(07)北大核心CSSCIEICSCD
【文章页数】：14 页
【部分图文】：
研究区域概况
以鲁棒局部加权回归作为平滑方法的时间序列分解方法（Seasonal-Trend Decomposition based on Loess,STL）是基于鲁棒局部加权回归（Loess）算法将时序数据分解为趋势分量Trend Component）、季节分量（Seasonal Component）和余项（Remainder Component）。由图2可知，青藏高原人口流动量的时序数据呈现出明显的周期性季节变化特征，不同季节之间的人口流动特征存在显著差异，因此本文利用STL方法分解青藏高原人口流动量的逐日时序数据，提取青藏高原人口流动的季节分量；针对季节分量，利用断点检测和趋势分割估计模型（Detecting Breakpoints and Estimating Segments in Trend,DBEST)[28-29]完成断点检测（DBEST模型根据给定阈值获取季节分量时序数据中的断点），实现青藏高原人口流动模式的周期性季节划分。具体方法流程详如图3所示。3.2 人口流动网络分析方法
文中采用PageRank算法评价青藏高原节点在PNC网络中的重要性。通常越重要的网络节点往往拥有与其他网络节点越多的链接。PageRank算法借助“链接流行度”这一指标，实现网络节点重要性排序。与传统社会网络分析方法中普遍采用的节点中心性指标（度、介数和接近中心性等）相比，“链接流行度”不仅考虑了网络节点的连接数量，而且计算了与被考察的网络节点相连节点的质量，重要性高的网络节点获得更多节点的连接和更多的来自其他重要网络节点的连接[26,30-31]。各个城市节点利用PageRank算法中“链接流行度”的计算公式如下：式中：PRi为城市节点i的PageRank值；Bi表示与城市i具有人口流动关系的一组城市集合；Lj表示城市i与城市j之间的人口流动量，其值代表两者之间链接的权重；d为阻尼系数，一般将其设定为0.85;N为所有城市节点的数量。
【参考文献】：
期刊论文
[1]高原民族地区人口流动特征与模式研究——基于西藏自治区的考察[J]. 杨成洲. 干旱区资源与环境. 2019(07)
[2]中国人口省际流动重力模型的参数标定与误差估算[J]. 赵梓渝,魏冶,杨冉,王士君,朱宇. 地理学报. 2019(02)
[3]交通对西藏旅游的影响及对策研究[J]. 卓嘎措姆,图登克珠. 西藏科技. 2018(10)
[4]近30年青藏高原南缘地理环境状况及变迁研究[J]. 刘荣高,刘洋,徐新良,葛全胜. 中国科学院院刊. 2017(09)
[5]丝绸之路与泛第三极地区人类活动、环境变化和丝路文明兴衰[J]. 陈发虎,安成邦,董广辉,张东菊. 中国科学院院刊. 2017(09)
[6]从青藏高原到第三极和泛第三极[J]. 姚檀栋,陈发虎,崔鹏,马耀明,徐柏青,朱立平,张凡,王伟财,艾丽坤,杨晓新. 中国科学院院刊. 2017(09)
[7]中国地级以上城市人口流动网络研究——基于百度迁徙大数据的分析[J]. 蒋小荣,汪胜兰. 中国人口科学. 2017(02)
[8]青藏高原区域可持续发展战略思考[J]. 徐增让,张镱锂,成升魁,郑度. 科技导报. 2017(06)
[9]不同时间尺度周期的旅游客流量波动特征研究——以西藏林芝市为例[J]. 吴江,张秀香,叶玲翠,黄震方,曹芳东. 地理研究. 2016(12)
[10]中国避暑旅游基地适宜性综合评价研究[J]. 杨俊,张永恒,席建超. 资源科学. 2016(12)
硕士论文
[1]青海省城镇化进程中藏族流动人口现状研究[D]. 德吉央宗.青海师范大学 2018
[2]青海省旅游开发与布局研究[D]. 李玥.辽宁师范大学 2012
本文编号：3119351
【文章来源】：地理学报. 2020,75(07)北大核心CSSCIEICSCD
【文章页数】：14 页
【部分图文】：
研究区域概况
以鲁棒局部加权回归作为平滑方法的时间序列分解方法（Seasonal-Trend Decomposition based on Loess,STL）是基于鲁棒局部加权回归（Loess）算法将时序数据分解为趋势分量Trend Component）、季节分量（Seasonal Component）和余项（Remainder Component）。由图2可知，青藏高原人口流动量的时序数据呈现出明显的周期性季节变化特征，不同季节之间的人口流动特征存在显著差异，因此本文利用STL方法分解青藏高原人口流动量的逐日时序数据，提取青藏高原人口流动的季节分量；针对季节分量，利用断点检测和趋势分割估计模型（Detecting Breakpoints and Estimating Segments in Trend,DBEST)[28-29]完成断点检测（DBEST模型根据给定阈值获取季节分量时序数据中的断点），实现青藏高原人口流动模式的周期性季节划分。具体方法流程详如图3所示。3.2 人口流动网络分析方法
文中采用PageRank算法评价青藏高原节点在PNC网络中的重要性。通常越重要的网络节点往往拥有与其他网络节点越多的链接。PageRank算法借助“链接流行度”这一指标，实现网络节点重要性排序。与传统社会网络分析方法中普遍采用的节点中心性指标（度、介数和接近中心性等）相比，“链接流行度”不仅考虑了网络节点的连接数量，而且计算了与被考察的网络节点相连节点的质量，重要性高的网络节点获得更多节点的连接和更多的来自其他重要网络节点的连接[26,30-31]。各个城市节点利用PageRank算法中“链接流行度”的计算公式如下：式中：PRi为城市节点i的PageRank值；Bi表示与城市i具有人口流动关系的一组城市集合；Lj表示城市i与城市j之间的人口流动量，其值代表两者之间链接的权重；d为阻尼系数，一般将其设定为0.85;N为所有城市节点的数量。
【参考文献】：
期刊论文
[1]高原民族地区人口流动特征与模式研究——基于西藏自治区的考察[J]. 杨成洲. 干旱区资源与环境. 2019(07)
[2]中国人口省际流动重力模型的参数标定与误差估算[J]. 赵梓渝,魏冶,杨冉,王士君,朱宇. 地理学报. 2019(02)
[3]交通对西藏旅游的影响及对策研究[J]. 卓嘎措姆,图登克珠. 西藏科技. 2018(10)
[4]近30年青藏高原南缘地理环境状况及变迁研究[J]. 刘荣高,刘洋,徐新良,葛全胜. 中国科学院院刊. 2017(09)
[5]丝绸之路与泛第三极地区人类活动、环境变化和丝路文明兴衰[J]. 陈发虎,安成邦,董广辉,张东菊. 中国科学院院刊. 2017(09)
[6]从青藏高原到第三极和泛第三极[J]. 姚檀栋,陈发虎,崔鹏,马耀明,徐柏青,朱立平,张凡,王伟财,艾丽坤,杨晓新. 中国科学院院刊. 2017(09)
[7]中国地级以上城市人口流动网络研究——基于百度迁徙大数据的分析[J]. 蒋小荣,汪胜兰. 中国人口科学. 2017(02)
[8]青藏高原区域可持续发展战略思考[J]. 徐增让,张镱锂,成升魁,郑度. 科技导报. 2017(06)
[9]不同时间尺度周期的旅游客流量波动特征研究——以西藏林芝市为例[J]. 吴江,张秀香,叶玲翠,黄震方,曹芳东. 地理研究. 2016(12)
[10]中国避暑旅游基地适宜性综合评价研究[J]. 杨俊,张永恒,席建超. 资源科学. 2016(12)
硕士论文
[1]青海省城镇化进程中藏族流动人口现状研究[D]. 德吉央宗.青海师范大学 2018
[2]青海省旅游开发与布局研究[D]. 李玥.辽宁师范大学 2012
本文编号：3119351
本文链接：https://www.wllwen.com/shekelunwen/renkou/3119351.html
