EN中文

Economic geography >

2025 , Vol. 45 >Issue 12: 65 - 75

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.12.007

Spatial Pattern and Influencing Factors of Township's Population Shrinkage in the Hilly and Mountainous Region Based on Machine Learning

  • LI Tao , 1, 2 ,
  • CHANG Xinyue , 1, 2, ※ ,
  • CHEN Zehao 1, 2 ,
  • WANG Qian 1, 2 ,
  • XIE Chuanfeng 1, 2 ,
  • CHEN Xinan 1, 2
Expand
  • 1. School of Geographical Sciences &New Liberal Arts Laboratory of Sustainable Development in Rural Western China， Southwest University， Chongqing 400715， China
  • 2. Center for Targeted Poverty Alleviation and Regional Development Assessment， Southwest University， Chongqing 400715， China

Received date: 2024-10-23

  Revised date: 2025-06-27

  Online published: 2026-02-04

Fold

Abstract

Based on the population data of the Sixth and Seventh National Population Census, this paper characterizes the population shrinkage pattern in Chongqing at the township level, uses various machine learning methods such as multiple linear regression, random forest model, Shapley values, and partial dependence graphs to analyze the contribution and marginal effects of factors affecting population shrinkage in hilly and mountainous region. The findings are as following: 1) During the research period, 88.47% of small town in Chongqing experienced population shrinkage, and the spatial structure of the township shrinking population is constantly restructuring. The growth townships showing a scattered distribution of "one center, multiple areas" and shrinking townships showing a patchy distribution of "two belts, five rings". 2) The random forest regression model is significantly better than the multiple linear regression model in analyzing influencing factors. The results indicate that the scale economy sub-niche contributes most significantly to population shrinkage, with cultivated land area being the primary influencing indicator. This is followed by the public service sub-niche, where medical facilities represent the major contributing factor. The population structure and natural condition sub-niches are relatively similar in their contributions. In addition, the heterogeneity and homogeneity of the factors affecting the population in different regions coexist. 3) The relationship between the influencing factors and the population shrinkage of the township is non-linear and complex through partial dependence graphs, with significant thresholds for the factors of relief, GDP, educational facilities, supermarkets, transport facilities and road density.

Key words： hilly and mountainous region; townships population shrinkage; cultivated land; public service; machine learning; random forest; Chongqing City

Cite this article

LI Tao , CHANG Xinyue , CHEN Zehao , WANG Qian , XIE Chuanfeng , CHEN Xinan . Spatial Pattern and Influencing Factors of Township's Population Shrinkage in the Hilly and Mountainous Region Based on Machine Learning[J]. Economic geography, 2025 , 45(12) : 65 -75 . DOI: 10.15957/j.cnki.jjdl.2025.12.007

人口变化不仅是新时代乡村建设的关键依据，也是驱动乡村发展最具创造力和活力的主体力量。随着城市化进程加快，中国城乡人口空间格局处于不断解构与重组的过程[1]。城乡发展过程中，丘陵山区人口流动呈现出规模大、范围广、结构复杂等特征，人口收缩已成为丘陵山区乡村发展的既定现实[2]。而丘陵山区特殊的地形地貌会放大人口收缩的“空间负效应”，进而引发耕地撂荒和宅基地闲置等问题，严重制约着乡村重构与转型[3-4]。乡镇作为联结城乡间的重要节点，其在经济发展和公共服务等方面处于劣势，导致城市对乡镇人口和资源的虹吸效应明显，乡镇陷入了“发展滞后—人口流失—发展进一步恶化”的恶性循环。乡镇人口收缩不仅加剧了资源要素流失，也引起镇域功能衰退，为城乡协调发展及乡村治理带来严峻挑战。2024年中央一号文件指出要适应乡村人口变化趋势，优化村庄布局、产业结构、公共服务配置。因此，科学认知丘陵山区乡镇的人口变化规律，对优化丘陵山区镇域空间布局，深入实施乡村振兴战略具有重要意义。
近年来，诸多国家陆续出现乡村人口收缩现象，并由此衍生出地区活力下降和经济衰退等一系列问题[5-6]，引起学界广泛关注。国外学者对乡村地域人口收缩的研究集中于描述人口减少的过程[7]，探讨人口收缩与农村土地利用、社会经济、公共服务和生态等方面之间的关系[8-10]，并提出通过盘活闲置房屋[11]、实施地方性政策[12]等措施应对人口收缩。国内学者对乡村地域人口收缩的研究起步较晚，主要围绕人口收缩识别与测度、时空特征、影响因素和形成机制等方面[13-15]开展了大量研究。目前国内研究主要从省域、市域和县域尺度[15-17]揭示人口收缩的空间格局，并有向镇和村[18-19]微观尺度发展的趋势，且聚焦北方平原地区较多。如胡智超等发现2000—2020年中国乡村人口在市域尺度上呈现加速下降，其中2000—2010年乡村人口减少主要出现在东南部和长江流域，而2010—2020年人口收缩以中部和东北地区为主[15]；张学良等揭示了黄河流域乡镇人口收缩集中于黄河“几字湾”的西北侧和东侧[14]。
乡村人口的发展变化一般呈现增长和收缩两种类型。一方面，乡村人口收缩作为复杂的社会现象，宏观层面上受城市化进程加快[20]和生产力水平提升[21]的共同推力；局域层面上，乡镇在自然环境[13]、区位条件[19]和公共服务[16]等方面的劣势对人口收缩具有显著影响，同时气候变化、地质灾害等外部冲击也加剧了乡村人口流失[22]；另一方面，人口增长往往发生在地形平坦、水资源丰富、交通发达和地理位置优越的乡村[19]；多样化的产业结构和较高经济水平[23]则被认为是实现乡村人口增长的有效拉力。在影响因素研究方法上，现有研究多采用传统回归分析，如多元Logistic回归模型[24-25]、地理加权回归模型[26]和地理探测器[27]等，少有采用机器学习方法[28]。而相较于传统解释性建模，机器学习不仅能够有效处理变量共线性及过拟合问题，提升对关键因素的识别能力，还能有效捕捉变量间复杂的非线性关系，更能发掘人口变化影响因素间的复杂关系[29]。
现有研究为理解乡村地域人口收缩提供了坚实基础，但仍存在拓展空间。首先，由于丘陵山区与平原地区的自然条件、社会经济等存在着显著差异，因此现有研究不足以充分解释丘陵山区乡镇的人口收缩；尽管已有部分学者关注到镇域人口收缩问题，但在镇域尺度的研究仍显不足，对于丘陵山区镇域人口收缩的研究更是缺乏。其次，部分研究囿于传统分析方法的量纲差异等问题，难以清晰展现变量贡献度大小，且会忽略变量间复杂的非线性关系[29]。
基于此，本文以丘陵山区的典型代表——重庆市为研究区，引入生态位理论，运用冷热点分析和随机森林模型、夏普利值分析、偏依赖图分析等机器学习方法，刻画乡镇人口收缩的空间特征及区域分异，并进一步探究异质性空间映射下的关键影响因素，揭示各因素对乡镇人口收缩的贡献性和非线性关系。拟解决以下3个科学问题：①不同影响因素对丘陵山区乡镇人口收缩的贡献度是否存在差异?②不同区域人口收缩关键因素是否存在差异?③影响因素对乡镇人口收缩是否存在边际效应?希冀为认知丘陵山区乡镇人口收缩的特殊性和复杂性，优化乡镇国土空间规划和高质量发展提供理论参考和案例支持。

1 理论框架

人口收缩是指具有相对独立社会经济体系的区域在一定时期内出现总人口（或劳动力、家庭）数量持续下降的现象[30]。与生物物种类似，乡镇也处于由自然、经济、社会等因素构成的生态环境里，且乡镇间的复杂关系表现出显著的生态位特征。因此，引入生态位理论可为理解由乡镇内部差异所引发的人口收缩问题提供新的视角。
生态位理论指生物单元在特定生态系统与环境相互作用过程中所形成的相对地位和作用[31]。从地理学视角来看，一个区域的生态位可以看作是它所提供或可被使用的生态因子和生态关系的集合，体现区域对人类生存发展的适宜度和优劣势，并决定其对不同职业、年龄人群的吸引力和离心力[32]。乡镇作为人类社会的“生态单元”，其人口变动与种群在生态位中的适应与选择过程存在共性。乡镇间的差异本质上源自内部自然、经济、交通区位、公共服务和人口结构等子生态位之间的优劣势，从而引发乡镇生态位扩展或重叠，导致区域内人口流动。具体而言，自然条件子生态位通过决定资源禀赋奠定乡镇发展基础，规模经济子生态位以优势产业吸引人口集聚，交通区位子生态位塑造区域通达性，人口结构子生态位通过劳动力供给影响乡镇活力，公共服务子生态位以提升生活质量增强人口定居意愿。
一般而言，乡镇的生态位受各类子生态位复杂作用，处于不断重构的过程。发展初期，区域内乡镇自然条件为核心子生态位，支撑着人口低水平集聚与均衡，此时各乡镇子生态位差异小，人口流动有限。在经历基础设施完善、产业共建和要素流动后，区域内各乡镇生态位会产生差异。一方面，部分乡镇经济子生态位显著提升，交通区位和公共服务子生态位协同发展，获得更多资源和机会使生态位进一步扩展，逐渐成为区域中心镇，这部分乡镇通过产业优势吸引周围乡村剩余劳动力流入，外出务工人员也会因城市压力而返镇就业置业，最终成长为增长型乡镇。另一方面，部分乡镇受制于有限的自然条件和耕地破碎化等问题，产业发展受阻，青壮年劳动力流失，这部分乡镇因自身经济薄弱在与其他乡镇竞争中处于相对劣势，资源空间受到其他乡镇的蚕食导致其生态位被压缩，演变为区域的收缩型乡镇。因此，从生态位视角来看，人口流动的本质是个体为满足高层次需求从低生态位地区向较高生态位地区流动的过程（图1）。
图1 乡镇人口收缩的理论框架

Fig.1 A heuristic analytical framework of population shrinkage of townships

综上可见，乡镇人口变化是乡镇生态位竞争的结果。高生态位乡镇通过资源高效配置与生态位扩展实现人口集聚，成为区域增长型乡镇。相反，低生态位乡镇因生态位重叠导致的竞争排斥或子生态位水平低下引起资源流失，最终导致人口收缩。乡镇是我国城镇体系中最基本的地域综合体[33]，深化新时期乡镇人口收缩研究，可进一步优化乡镇空间布局和资源合理配置，避免“资金虚掷，资源浪费，资产闲置”等问题，也可为政府制定针对性乡镇建设政策提供借鉴。

2 研究区、数据与方法

2.1 研究区概况

重庆市位于中国西南部，是一个集大城市、大农村、大库区、大山区为一体的直辖市[34]。全市总面积8.24万km2，下辖38个区（县）。重庆市地形地貌复杂，山地和丘陵的面积广大，分别占比75.33％和15.60％。与平原地区相比，丘陵山区地形起伏大，耕地破碎，生态脆弱，多重因素交织制约着当地农户生计，乡村人口流失现象明显。第七次全国人口普查数据显示，重庆市2020年常住人口总数为3208.93万人，相较于2010年城镇化率提升16.50%，城镇人口总数增加699.53万人，乡村人口总数减少375.22万人。随着成渝地区双城经济圈建设和乡村振兴战略的推进，重庆市的人口结构与空间格局正在不断地被重塑。重庆市作为西南丘陵山区的典型代表，研究其乡镇人口收缩具有重要意义。
本文依据《重庆市国土空间总体规划（2021—2035年）》将重庆市划分为中心城区、渝西地区、渝东新城、渝东北三峡库区和渝东南武陵山区5个分区（图略），开展不同区域乡镇人口收缩研究。

2.2 数据来源及处理

本文以重庆市为研究区，因第六次和第七次全国人口普查之间存在乡镇行政区划调整，以2020年行政区划对数据进行整合，此外部分乡镇数据存在缺失，故最终确定重庆市772个乡镇作为研究区。本文所使用的数据类型主要包括人口普查数据、社会经济数据、地理空间数据和POI数据（表1）。
表1 丘陵山区乡镇人口收缩变量选取与解释

Tab.1 Selection and explanation of influencing variables of population shrinking in hilly and mountainous township

变量类型 维度层 指标层 计算方法 数据来源
被解释变量 常住人口数量 各乡镇常住人口数量 第七次全国人口普查
解释变量 自然条件
子生态位		 平均海拔 各乡镇平均海拔 DEM数据
年平均降水量 ArcGIS的“Zonal statistics as table” 中国科学院资源环境科学数据中心
河网密度 乡镇内总河流长度/乡镇面积 中国科学院资源环境科学数据中心
地形起伏度 ArcGIS的“Zonal statistics as table” DEM数据
净初级生产力 ArcGIS的“Zonal statistics as table” 中国科学院资源环境科学数据中心
规模经济
子生态位		 耕地面积 ArcGIS的“Zonal statistics as table” 中国科学院资源环境科学数据中心
坡度大于25°耕地占比 25°以上耕地面积/耕地面积 中国科学院资源环境科学数据中心
工业企业个数 各乡镇工业企业个数 《中国县域统计年鉴（乡镇卷）2020》
GDP ArcGIS的“Zonal statistics as table” 中国科学院资源环境科学数据中心
人口结构
子生态位		 老年人口比例 60岁及以上人数/常住人口数 第七次全国人口普查
公共服务
子生态位		 交通设施数量 ArcGIS的“spatial join” 高德地图网络爬虫
科教设施数量 ArcGIS的“spatial join” 高德地图网络爬虫
医疗设施数量 ArcGIS的“spatial join” 高德地图网络爬虫
综合商店或超市数量 各乡镇营业面积50 m2以上的综合商店或超市个数 《中国县域统计年鉴（乡镇卷）2020》
交通区位
子生态位		 铁路密度 铁路长度/乡镇行政区域面积 中国科学院资源环境科学数据中心
公路密度 公路长度/乡镇行政区域面积 中国科学院资源环境科学数据中心
距离市中心距离 ArcGIS的“Near Analysis” 高德地图网络爬虫
距离区县距离 ArcGIS的“Near Analysis” 高德地图网络爬虫
乡镇人口收缩是人口变化的过程，而乡镇常住人口是人口变化的结果，因此本文选取乡镇常住人口作为被解释变量[35]。乡镇是一个集人口、经济、社会、空间和生态等要素的复杂系统[36]，在充分考虑数据可获取性的前提下，本文从以下5个子生态位选取18个变量构建丘陵山区乡镇人口收缩的解释变量指标体系。
①自然条件子生态位：自然条件作为乡镇发展的重要基础，现有研究表明乡镇经济发展受地形地貌、气候和资源制约[16]。针对丘陵山区限制性的自然条件，本文选取平均海拔、年平均降水量、河网密度、地形起伏度和净初级生产力来刻画乡镇的自然条件子生态位。其中，平均海拔和地形起伏度反映地形地貌条件，年平均降水量、河网密度和净初级生产力作为乡镇气候和资源的体现，直接影响当地生产生活。
②规模经济子生态位：乡镇的工农业生产情况是区域经济发展水平的表征[19]，也是影响人口变化的关键。耕地面积减少和产业发展滞后都会制约乡镇经济发展水平。本文选取耕地面积、坡度大于25°耕地占比、工业企业个数和GDP反映丘陵山区规模经济子生态位。其中，耕地面积代表耕地的数量，而坡度大于25°耕地占比则反映耕地质量，工业企业和GDP表征乡镇经济发展水平。
③人口结构子生态位：老龄化与人口收缩相互作用[26]，共同影响地区活力。因此本文选取老年人口比例反映人口结构子生态位。
④公共服务子生态位：商业活力和公共服务水平是人口的重要吸引。本文选取交通设施、科教设施、医疗设施和综合商店超市数量表征公共服务子生态位。其中，商店超市代表了镇区商业活力，交通、科教和医疗设施代表乡镇公共服务的完善程度[24]。
⑤交通区位子生态位：区位差异不仅对乡镇经济发展产生间接影响[27,37]，而且是导致人口收缩的重要驱动力。本文选取铁路密度、公路密度、距市中心距离和距区县距离衡量乡镇交通区位子生态位。其中，铁路密度和公路密度反映乡镇的交通便捷程度，距市中心和区县距离则反映乡镇区位条件优劣。

2.3 研究方法

2.3.1 乡镇人口收缩的测度方法

户籍人口数量和常住人口数量是衡量人口收缩常用的指标，二者都反映了人口状况，但常住人口作为乡镇生产生活的主要参与者，更直接反映地区的实际人力禀赋，因此，本文选取常住人口指标进行研究。参考刘振等研究[38]，采用年均人口变化率进行人口收缩分析。计算公式如下：
${S}_{({t}_{1},{t}_{2})}=\sqrt[n]{\frac{{P}_{{t}_{2}}}{{P}_{{t}_{1}}}}-1$
式中：${S}_{({t}_{1},{t}_{2})}$为t1~t2时期的年均常住人口变化率；${P}_{{t}_{1}}$和${P}_{{t}_{2}}$分别表示t1和t2时期的乡镇常住人口数量；n表示间隔的年数t1~t2。根据现有研究[17]，结合重庆市乡镇人口收缩情况，将其划分为4种类型：增长型（${S}_{({t}_{1},{t}_{2})}$≥0）、轻度收缩型（-0.02≤${S}_{({t}_{1},{t}_{2})}$<0）、中度收缩型（-0.04≤${S}_{({t}_{1},{t}_{2})}$<-0.02）、重度收缩型（${S}_{({t}_{1},{t}_{2})}$<-0.04）。

2.3.2 乡镇人口收缩影响因素的分析方法

随机森林是一种基于决策树的集成学习方法[39]，适用于解决分类和回归问题。本文基于Python中的scikit-learn机器学习工具对数据进行回归分析。为进一步最小化泛化误差并获得良好的预测结果，采用10折交叉验证方法对随机森林模型中的参数进行调优，相应调优参数为‘n_estimators’，‘max_depth’和‘min_samples_split’，其中‘n_estimators’用于给出算法中决策树的数目，‘max_depth’和‘min_samples_split’则是对每棵决策树进行相应剪枝，具体的参数选择集合分别为：{100，200}，{None，10，20}和{2，5}。
本文采用R2和MAPE对回归模型精度进行评价。R2值域为[0,1]，越接近1说明回归模型拟合效果越好。MAPE用来衡量预测值与真实值间的平均绝对百分比误差，其值域为[0，+∞），MAPE越接近0表示模型效果越好。

3 乡镇人口收缩空间格局特征

3.1 乡镇增长与收缩的数量特征分析

由图2可知，研究期内重庆市乡镇人口总体呈现出收缩特征。研究区772个乡镇中，约有11.53%的乡镇为增长型，30.82%的乡镇为轻度收缩型，38.47%的乡镇为中度收缩型，19.17%的乡镇为重度收缩型，由此可见，轻度、中度收缩型的乡镇占比较大。从图3来看，不同区域之间乡镇增长与收缩的数量情况也存在显著差异。具体来说，中心城区由于虹吸作用明显，区内增长型乡镇数量最多，占比44.26%，总体分布区间显著高于其他区域。渝西地区乡镇主要为轻度收缩型和中度收缩型，分别占区内乡镇总数的34.00%和48.00%，整体分布较为密集。渝东新城的增长型乡镇占比最少，仅占区内乡镇总数的4.63%；收缩乡镇占比95.37%，区域内收缩现象突出。渝东南武陵山区和渝东北三峡库区收缩乡镇占比分别为90.00%和90.81%，分布较为集中。
图2 重庆市人口增长与收缩乡镇空间分布

Fig.2 Distribution of population growth and shrinking townships in Chongqing City

图3 重庆市不同区域乡镇人口收缩分布情况

Fig.3 Distribution of township population shrinkage in different regions of Chongqing City

3.2 乡镇人口增长与收缩的空间分布特征

重庆市收缩型与增长型乡镇呈现出一定的集聚特征。重庆市乡镇人口收缩指数的Moran's I为0.409，Z值为20.981，在0.01水平上通过显著性检验，表明重庆市乡镇人口收缩指数存在空间自相关性。
由图4可知，重庆市人口增长型乡镇呈“一中心、多片区”零散分布格局。①“一中心”是指以渝中区为核心的中心城区，形成了环形空间特征。中心城区作为重庆市经济—文化—政治多重中心，其辐射效应吸引乡镇人口向心增加。②“多片区”是指渝西、渝东南和渝东北三个集聚区。其中，渝西地区是成渝地区双城经济圈建设先行区，随着中心城区“退二进三”战略的推进，该区依托地租低价等优势承接了许多中心城区的制造业。2020年，渝西地区规上工业企业为2800家左右，约占全市规上工业企业的41.20%。该地区通过劳动力密集型产业提供大量就业岗位，且交通便利、县城生活成本较高，人口多居住在离县城较近的乡镇。渝东北三峡库区的增长型乡镇主要集中在区域中部，由于中部的万州作为区域重要板块，2020年以970.70亿元的GDP居渝东北地区之首，与云阳和开州形成一体化协同发展格局，具有产业—交通—文化多重优势，使该区域乡镇人口日趋增加。渝东南武陵山区是国家脱贫攻坚和乡村振兴战略的重要战场，近年在国家政策资金的大力支持下，县域经济发展较快。此外，酉阳和秀山等少数民族自治县由于民族生育观念及二孩政策实行，人口自然增长明显。
图4 重庆市人口收缩与增长乡镇的空间集聚类型分布

Fig.4 Distribution of spatial agglomeration types of townships with population shrinkage and growth in Chongqing City

进一步分析看出，重庆市人口收缩型乡镇还呈现“两带、五环”的片状分布格局。①“两带”是以渝郑铁路和渝黔铁路为主的两条收缩乡镇集聚带。其中渝郑铁路收缩乡镇集聚带涉及巫溪、忠县、长寿等区县，渝黔铁路收缩乡镇集聚带涉及巴南、黔江等区。交通设施的完善虽然为城市发展提供机遇，但也因空间剥夺而加重产业基础薄弱乡镇的人口流失。②“五环”是指重庆市形成了5个人口收缩乡镇集聚区，分别是长寿—涪陵—渝北集聚区，巴南—綦江—南川集聚区，忠县—石柱集聚区，巫溪—奉节—巫山集聚区，彭水—黔江集聚区，分别位于渝东新城、渝东南武陵山区和渝东北三峡库区。其中，渝东新城长寿区12个乡镇中，有11个为重度收缩型乡镇，主要由于距主城较近且受当地重化工企业的影响，该地居民更倾向于到主城区定居；南部綦江区是典型的资源型城市，由于资源枯竭和单一工业衰落等原因，导致地区活力不足，区域出现人口流失。渝东南武陵山区和渝东北三峡库区由于自然本底薄弱、生态环境脆弱、产业发展滞后，严重制约区域发展，诱发区域人口流失。

4 乡镇人口收缩影响因素分析

本文通过多元线性回归模型和随机森林回归模型对18项影响因素进行分析。结果显示，多元线性回归模型数据训练集R2为0.925，MAPE为0.296，测试集R2为0.697，MAPE为0.305。随机森林回归模型数据训练集R2为0.985，MAPE为0.088，测试集R2为0.745，MAPE为0.204。多元线性回归模型和随机森林回归模型的两组数据R2均超过0.6，计算结果具有可靠性。但由于随机森林回归模型的MAPE比多元线性回归模型更接近0，因此随机森林回归模型在该研究中的精度更高，其结果更值得信任。

4.1 影响因素重要性排序与区域分析

为衡量不同影响因素对丘陵山区乡镇人口收缩的贡献度，本文采用夏普利值分析对影响因素重要性进行排序。图5每一行代表一个变量，横坐标为夏普利值，衡量每个特征的影响程度，位于左侧的对预测值产生负向作用，位于右侧的对预测值产生正向作用，颜色冷暖代表特征值大小。
图5 人口收缩影响因素重要性排序图

Fig.5 Shap values of population shrinkage influence factors

由夏普利值分析结果可知，规模经济子生态位对人口收缩贡献度最大，其中耕地面积贡献度最大，在耕地缺乏且破碎化严重的丘陵山区，耕地较多的乡镇易实现产业规模化以吸引人口。其次是公共服务子生态位，其中医疗设施贡献度最大，由于目前乡镇老年人口比重大，其对优质医疗服务需求迫切，医疗设施越齐全，老年人及其家庭越愿留在当地。人口结构与自然条件子生态位的贡献差异不大，分别排在第3、4位，其中自然条件子生态位中河网密度影响最大，重庆市部分区县的喀斯特地貌导致工程性缺水比较严重，致使水资源限制乡镇发展。区位条件子生态位的贡献最小，排在第5位，其中距离市中心距离的影响最大。区位条件对乡镇人口的影响并未如预期显著，可能是因2010年全市行政村公路通达率已达100%，另外有铁路站场的乡镇较少，因此公路密度和铁路密度对乡镇人口的贡献度相对较小；而重庆主城区因其综合优势明显，对乡镇人口具有强吸引力，所以距市中心距离在区位条件子生态位中贡献度最大。进一步分析还看出，耕地面积、医疗设施、科教设施、综合商店或超市、工业企业、距市中心距离、河网密度、GDP对乡镇人口产生正向影响，而老年人口比例、平均降水量对乡镇人口产生负向影响（图5）。
由表2可知，各区域乡镇人口收缩与增长受到不同因素影响而存在异质性和相似性特征。①中心城区乡镇人口受公共服务子生态位影响最大，贡献度前5位的影响因素依次为医疗设施、耕地面积、科教设施、老年人口和工业企业，而地形起伏度贡献度最小，这与该区域乡镇公共服务设施较为齐全、地形较为平坦等特征相符合。②其余地区乡镇人口数量受耕地面积影响最大，此外还受医疗设施、科教设施、综合商店或超市、老年人口和工业企业影响较大，铁路密度影响最小。这些地区乡镇受市中心的虹吸作用较弱，距铁路站点较远，乡镇工业发展潜力有限，老龄化现象突出，人口以外流为主。但从另一方面来看，各区域乡镇贡献度排名前三的主要是规模经济、公共服务和人口结构子生态位，印证了尽管各区域存在差异，但乡镇人口的变化仍主要与区域发展水平、公共服务建设和人口结构相关。
表2 重庆市不同区域子生态位贡献度排序

Tab.2 Ranking of sub-niche shap values in different regions of Chongqing City

贡献度排序 中心城区 渝西地区 渝东新城 渝东北
三峡库区		 渝东南
武陵山区
1 公共服务 规模经济 规模经济 规模经济 规模经济
2 规模经济 公共服务 公共服务 公共服务 公共服务
3 自然条件 人口结构 人口结构 自然条件 人口结构
4 人口结构 自然条件 自然条件 人口结构 自然条件
5 区位条件 区位条件 区位条件 区位条件 区位条件

4.2 影响因素的边际效应分析

为增强随机森林模型解释力，探究影响因素对乡镇人口收缩是否存在边际效应，本文根据偏依赖图对影响因素的边际效应进行解析（图6）。
图6 影响因素偏依赖图

Fig.6 Partial dependence plots of influence factors

4.2.1 自然条件子生态位

自然条件作为乡镇本底，对人口的分布影响复杂。海拔与乡镇人口变化呈非线性关系，当海拔低于340 m时，二者呈负相关；高于340 m时二者呈正相关。高海拔乡镇因基础交通设施的不足，居民倾向于留在当地发展避暑旅游业和山地特色农业为主的“海拔经济”。地形起伏度起到先抑制后促进的作用，到达阈值37.5 m后乡镇人口陡然上升后趋于稳定。降水量与乡镇人口呈现显著的负相关，主要由于丘陵山区强降水易引发滑坡、泥石流等地质灾害，对居民生命财产安全造成严重威胁，从而加重乡镇人口收缩。此外，丰富的生态资源是农户重要的生计资本来源，促进着乡镇人口增长。

4.2.2 规模经济子生态位

耕地面积作为影响乡镇人口收缩的决定性因素，与乡镇人口变化呈现正相关关系。耕地多的乡镇能获得更大的发展空间，不仅能在政策技术支持下向现代农业转型，而且在发展新业态等方面更具优势。坡度25°以上耕地面积占比起到先抑制后促进再抑制的作用，当比重超过9.00%时呈下降趋势，表明坡度25°以上耕地面积占比过高或过低均会抑制乡镇人口。工业企业个数和GDP与乡镇人口正相关，均达到一定阈值时影响不明显。GDP是衡量乡镇经济规模和经济活动总量的重要经济指标，工业企业是乡镇经济支柱，GDP较高和工业较多的乡镇受人口收缩冲击可能性较小。

4.2.3 人口结构子生态位

老年人口比例与乡镇人口总体呈负相关，老龄化程度越深乡镇人口收缩越严重。青壮年劳动力和适龄生育人口外流，使乡镇出生率下降、年龄结构老龄化，劳动力市场紧缩导致经济增长放缓或停滞，乡镇发展活力不足，进而降低乡镇的吸引力和在居住环境等方面的投入。出生率下降和劳动力流失的双重作用进一步加剧乡镇人口收缩，形成“老龄化—人口收缩”的循环累积效应。

4.2.4 公共服务子生态位

乡镇医疗设施、科教设施和交通设施的贡献度排序分别为第2、3和15，显著促进乡镇人口增长。其中，公共服务设施是乡镇居民生活质量的保障和发展支撑，目前乡镇服务设施数量不足、质量不高是导致乡镇人口流失的关键原因。科教设施数量在0~40个时乡镇人口陡然上升，超过40个时达到峰值后保持平稳。随着科教设施的增加，乡镇能够吸引寻求优质教育资源的家庭，数量超过40个时，由于乡镇承载量已满足居民的基本需求，进一步的增加并不会带来人数显著提升。贡献度位于第4的综合商店超市对乡镇人口增长呈现正向作用，乡镇商业的繁荣能够保障镇域居民高质量的生活，同时增强地区经济活力。

4.2.5 交通区位子生态位

区位条件子生态位中，当乡镇距市中心小于200 km时，对乡镇人口具有虹吸效应；大于200 km时，对人口增长的影响上升明显，市中心对人口吸引的距离衰减效应明显。同样，当乡镇距区县大于26.50 km时，人口显著增加。距市中心和区县距离对乡镇人口的吸引达一定阈值后会减少，辐射范围之外的乡镇居民更愿留在当地发展。铁路密度对乡镇人口先促进后抑制，低于0.13 km/km2时，二者呈正相关；大于0.13 km/km2时，二者呈显著负相关，表明适度的铁路建设带动乡镇发展，而高密度的铁路建设在缩短城与城、城与乡之间距离的同时，也加速了城乡之间的人口流动。公路密度小于1.35 km/km2时，与乡镇人口呈显著正相关，二者具有协同性；大于1.35 km/km2时影响不显著。

4.3 影响机制分析

由图7可知，乡镇人口收缩是由自然条件、规模经济、人口结构、交通区位和公共服务五大子生态位共同构成的乡镇生态位综合作用的结果。增长型乡镇因地理优越或产业基础发达而拥有较高的生态位，吸引周边镇村劳动力集聚，人口呈增长态势。而收缩型乡镇因经济薄弱、产业匮乏和自然限制等而生态位较低，其镇村人口外流严重，导致乡镇人口老龄化加剧，发展活力缺乏，陷入人口流失的恶性循环而不断衰落。
图7 乡镇生态位对人口收缩的影响机制

Fig.7 The impact mechanism of township ecological niche on population shrinkage

在影响因素重要性排序中，规模经济子生态位对乡镇人口收缩贡献度最大，表明重庆市乡镇人口收缩空间格局主要受经济驱动，乡镇经济影响居民生活水平，在人口流动中起核心作用。但受丘陵山区地形影响，部分乡镇面临“工业集聚难、农业效益低”的困境，如渝东北三峡库区2020年工业企业数量低于渝西地区的43.01%，GDP总量不足后者1/2，就业机会匮乏导致青壮年外流，因此提升镇域经济是重庆市乡镇未来发展重点。公共服务子生态位是乡镇吸纳人口的重要支撑，表征乡镇医疗、教育和商业发展水平的3个指标对人口流动起重要作用。近年来，重庆市努力解决乡镇公共服务配置失衡的问题，如云阳县江口镇通过构建“老幼医教”的智治平台，吸引周边就学近4000人，就医3.8万余人次。人口结构子生态位是乡镇发展的关键，在老龄化的背景下，青壮年劳动力已成为稀缺资源。自然条件子生态位作为乡镇发展的先天基础，重庆市武隆区、石柱土家族自治县等地的高海拔乡镇也以发展“避暑经济”破解自然条件限制。交通区位子生态位中距市中心距离对人口流动作用较强，因重庆市处于“大城市带大农村”的地域结构，市中心的辐射带动作用使得距市中心越近的乡镇越可能承接主城产业转移使人口微增长。因此，西南丘陵山区乡镇人口收缩空间格局是由规模经济子生态位为核心驱动，自然条件子生态位约束下的公共服务、人口结构和区位条件子生态位交互作用的结果。

5 结论与讨论

5.1 结论

本文基于重庆市772个乡镇数据集，刻画了乡镇人口收缩与增长的格局特征，从生态位视角以人口结构、自然条件、规模经济、公共服务和交通区位5个子生态位构建了影响丘陵山区乡镇人口收缩的指标体系；在此基础上，采用随机森林模型和夏普利值分析，探究乡镇人口收缩的影响因素及区域差异。主要结论如下：
①重庆市乡镇人口增长与收缩并存，人口收缩趋势显著。在772个乡镇中，88.47%的乡镇处于人口收缩的阶段，其中轻度、中度收缩型乡镇占比较大，且不同区域间乡镇增长与收缩数量情况存在差异。增长和收缩型乡镇都具有显著空间相关性，增长型乡镇呈现“一中心、多片区”零散分布的格局，中心城区增长型乡镇以渝中区为核心呈环状分布特征，并围绕大足、酉阳、云阳呈现集聚片区；收缩型乡镇为“两带、五环”的分布格局，沿铁路线收缩现象明显，并形成5个人口收缩乡镇集聚区。
②与多元线性回归相比，随机森林模型拟合效果良好且结果更具可靠性。影响丘陵山区乡镇人口收缩的因素较为复杂，规模经济子生态位对丘陵山区乡镇人口收缩贡献度最大，其次为公共服务子生态位，而人口结构与自然条件子生态位的贡献差异不大，位列3、4位，交通区位子生态系统贡献度最小。具体而言，耕地面积、医疗设施和科教设施等因素对乡镇人口收缩的影响呈显著正相关，而老年人口比例、平均降水量对乡镇人口影响呈显著负相关。此外，不同区域乡镇人口收缩影响因素的异质性和相似性并存，中心城区乡镇人口受公共服务子生态位影响最大，而其余地区乡镇人口受规模经济子生态位影响最大，但各区域乡镇主要受到规模经济、公共服务和人口结构3个子生态位的影响。
③各因素对乡镇人口的影响具有复杂性、非线性的特征。平均海拔、坡度25°以上耕地面积占比和铁路密度达一定值后对乡镇人口的影响产生相反的作用，地形起伏度、GDP、科教设施、综合商店或超市、交通设施和公路密度等因素存在明显的阈值，边际效应明显。

5.2 讨论

在多重因素交织影响下，重庆市乡镇人口变化已进入收缩阶段[15,17]。自然条件的限制在丘陵山区和平原地区显现出明显差异，与北方山区降雨量减少导致乡镇人口收缩的情况不同[40]，本文发现西南丘陵山区降雨量过高反而会导致乡镇人口的收缩；平原地区的地形起伏度与人口分布显著负相关[16,37]，而本文发现地形起伏度对乡镇人口变化的贡献度较低，说明在地形条件较差的丘陵山区中地形起伏度并不是人口收缩的关键因素。规模经济作为推动乡镇发展的关键，对丘陵山区和平原地区乡镇人口分布的影响均极为显著[19]。研究结果中丘陵山区乡镇完善的医疗服务设施能够吸引人口集聚，而不同的是北方平原地区医疗服务水平的提升则会导致人口收缩[16]。人口结构一定程度上决定了乡镇发展潜力，无论在丘陵山区还是平原地区，人口老龄化都会严重制约地方活力而导致人口流失[26]。在相关研究中路网密度是乡镇人口分布最主要的影响因素[27]，但是在西南丘陵山区区位条件的贡献度较低，主要由于重庆市交通发展水平较高导致样本乡镇间的交通差异不大，因此研究结果对其他地区不具有普适性。
结合上述研究结论，本文提出以下对策建议：①针对西南丘陵山区特殊自然本底，充分考虑各区域特性，其中中心城区乡镇应注重公共服务均等化，提升区域综合服务水平；渝西和渝东地区乡镇应将产业优势与资源优势对接，推动乡镇产业升级和结构调整；渝东北和渝东南地区乡镇应以生态保护为重，兼顾经济绿色发展。②经济发展较好或具有特色产业的乡镇，可通过调整乡镇聚落空间，提升乡村居民福祉与生活质量。但部分不具备发展条件、人口收缩难改善的偏远乡镇，需结合区域实际情况，在尊重群众意愿基础上，有条件地进行合村并居并治，提高行政管理效率。
本文的主要边际贡献在于使用机器学习中的随机森林模型探究西南丘陵山区乡镇人口收缩的影响因素，运用夏普利值分析各因素在不同区域中的贡献性，以偏依赖图探讨各因素对乡镇人口收缩的非线性影响，为后续研究提供了方法指引，也为乡镇分类规划与建设提供了科学支撑。但因数据获取的局限性，未来研究中还有更多的问题值得进一步探讨：①乡镇人口收缩是极其复杂的过程，乡镇享受的政策和当地文化等因素有待进一步挖掘。同时，本文影响因素的选取主要针对西南丘陵山区，对于其他地区的适用性有待验证。②人口收缩影响着乡镇空间重构，在人口流失背景下未来乡镇的空间演化和公共服务设施布局有待探索。③可在村域等更精细尺度深入探究人口收缩的形成机制，分层施策应对乡村人口收缩问题。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
柯文前, 肖宝玉, 林李月, 等. 中国省际城乡流动人口空间格局演变及与区域经济发展的关系[J]. 地理学报, 2023, 78(8):2041-2057.

DOI

[2]
刘振, 齐宏纲, 戚伟, 等. 1990-2010年中国人口收缩区分布的时空格局演变——基于不同测度指标的分析[J]. 地理科学, 2019, 39(10):1525-1536.

DOI

[3]
刘雅雯, 肖长江, 马晓冬, 等. 乡村人口减少对耕地利用转型的作用路径研究[J]. 地理科学进展, 2024, 43(6):1088-1101.

DOI

[4]
田玉军, 李秀彬, 马国霞, 等. 劳动力析出对生态脆弱区耕地撂荒的影响[J]. 中国土地科学, 2010, 24(7):4-9.

[5]
Gardner B L. Farm population decline and the income of rural families[J]. American journal of agricultural economics, 1974, 56(3):600-606.

DOI

[6]
Castillo Rivero L, Mccann P, Sijtsma F J. A multi‐scale approach to rural depopulation in Mexico[J]. Regional Science Policy & Practice, 2021, 13(4):1328-1348.

[7]
Johnson K M, Lichter D T. Rural Depopulation:Growth and Decline Processes over the Past Century[J]. Rural sociology, 2019, 84(1):3-27.

DOI

[8]
Mansilla-Quiñones P, Uribe-Sierra S E. Rural Shrinkage:Depopulation and Land Grabbing in Chilean Patagonia[J]. Land, 2023, 13(1):21.

DOI

[9]
Butler J, Wildermuth G A, Thiede B C et al. Population Change and Income Inequality in Rural America[J]. Popul Res Policy Rev, 2020, 39(5):889-911.

DOI PMID

[10]
Bruno D, Sorando R, álvarez-Farizo B et al. Depopulation impacts on ecosystem services in Mediterranean rural areas[J]. Ecosystem services, 2021, 52:101369.

DOI

[11]
Hernández Ramírez M, Cáceres Feria R, Ruiz Ballesteros E. Housing tactics:Searching for community resilience in depopulated rural contexts (Huertas,South West Spain)[J]. Sociologia Ruralis, 2022, 62(1):24-43.

DOI

[12]
Tenza-Peral A, Perez-Ibarra I, Breceda A et al. Can local policy options reverse the decline process of small and marginalized rural areas influenced by global change?[J]. Environmental Science & Policy, 2022, 127:57-65.

[13]
侯晓静, 喻忠磊, 李雨婷, 等. 中国山区县域人口收缩的空间格局及其形成机制[J]. 地理研究, 2024, 43(5):1205-1224.

DOI

[14]
张学良, 潘婷. 双重边界视角下乡镇人口收缩的精准识别与特征分析——以黄河流域为例[J]. 经济地理, 2024, 44(3):1-10.

DOI

[15]
Hu Z, Li Y, Long H et al. The evolution of China's rural depopulation pattern and its influencing factors from 2000 to 2020[J]. Applied Geography, 2023, 159:103089.

DOI

[16]
佘丽敏, 邱永胜. 山东省县域乡村收缩时空格局及其影响因素[J]. 中国农业资源与区划, 2024, 45(7):207-220.

[17]
董朝阳, 薛东前, 马蓓蓓, 等. 70a来中国乡村人口收缩时空过程及其水土资源效应[J]. 长江流域资源与环境, 2023, 32(3):638-652.

[18]
焦林申, 张敏. 收缩乡村的空废成因与精明收缩规划策略——基于豫东典型乡村的田野调查[J]. 经济地理, 2021, 41(4):221-232.

DOI

[19]
张梦梦, 张丽君, 秦耀辰, 等. 黄河流域乡镇人口—经济增长与收缩格局及影响因素[J]. 地理科学进展, 2022, 41(6):999-1011.

DOI

[20]
Jedwab R, Christiaensen L, Gindelsky M. Demography,urbanization and development:Rural push,urban pull and … urban push?[J]. Journal of Urban Economics, 2017, 98:6-16.

DOI

[21]
Bayona J, Gil Alonso F. Is Foreign Immigration the Solution to Rural Depopulation?The Case of Catalonia (1996-2009)[J]. Sociologia ruralis, 2013, 53(1):26-51.

DOI

[22]
Morrissey J W. Understanding the relationship between environmental change and migration:The development of an effects framework based on the case of northern Ethiopia[J]. Global Environmental Change, 2013, 23(6):1501-1510.

DOI

[23]
何青松, 查莹莹. 中国县域乡村人口收缩的空间识别及驱动机制:基于斑块尺度的研究[J]. 华中农业大学学报, 2024, 43(6):39-52.

[24]
王露, 封志明, 杨艳昭, 等. 2000—2010年中国不同地区人口密度变化及其影响因素[J]. 地理学报, 2014, 69(12):1790-1798.

DOI

[25]
田俊, 李旭东, 滕明塔. 贵州乌江流域人口收缩的时空格局演变及影响因素[J]. 西华师范大学学报(自然科学版), 2024, 45(6):622-631.

[26]
张旖琳, 吴相利, 程李佳. 人口收缩与老龄化双重时空格局演变及影响因素——以黑龙江省为例[J]. 人文地理, 2024, 39(1):80-92.

[27]
尹旭, 王婧, 李裕瑞, 等. 中国乡镇人口分布时空变化及其影响因素[J]. 地理研究, 2022, 41(5):1245-1261.

DOI

[28]
王超, 阚瑷珂, 曾业隆, 等. 基于随机森林模型的西藏人口分布格局及影响因素[J]. 地理学报, 2019, 74(4):664-680.

DOI

[29]
齐秀琳, 汪心如. 基于机器学习方法的农业转移人口市民化水平影响因素研究[J]. 中国农村经济, 2024(5):128-150.

[30]
刘振, 戚伟, 王雪芹, 等. 国内外人口收缩研究进展综述[J]. 世界地理研究, 2019, 28(1):13-23.

[31]
朱春全. 生态位态势理论与扩充假说[J]. 生态学报, 1997(3):324-332.

[32]
王如松, 陈亮. 中国人口生态态势的系统分析和空间发展格局探讨[J]. 人口研究, 2007(2):1-14.

[33]
张学良, 潘婷. 中国式现代化背景下的中国乡镇实践与发展路径探析[J]. 重庆大学学报(社会科学版), 2024, 30(1):1-17.

[34]
罗刚, 廖和平, 李涛, 等. 地理资本视角下村级多维贫困测度及贫困类型划分——基于重庆市1919个市级贫困村调研数据[J]. 中国农业资源与区划, 2018, 39(8):244-254.

[35]
杜志威, 张虹鸥, 叶玉瑶, 等. 2000年以来广东省城市人口收缩的时空演变与影响因素[J]. 热带地理, 2019, 39(1):20-28.

[36]
李裕瑞, 尹旭. 镇域发展研究进展与展望[J]. 经济地理, 2019, 39(7):1-8.

DOI

[37]
柏中强, 王卷乐, 杨雅萍, 等. 基于乡镇尺度的中国25省区人口分布特征及影响因素[J]. 地理学报, 2015, 70(8):1229-1242.

DOI

[38]
刘振, 戚伟, 齐宏纲, 等. 1990—2015年中国县市尺度人口收缩的演变特征及影响因素[J]. 地理研究, 2020, 39(7):1565-1579.

DOI

[39]
Breiman L. Random forests[J]. Machine Learning, 2001, 45:5-32.

DOI

[40]
Yu Z, Zhang H, Sun P et al. The Pattern and Local Push Factors of Rural Depopulation in Less-Developed Areas:A Case Study in the Mountains of North Hebei Province,China[J]. International Journal of Environmental Research and Public Health, 2022, 19(10):5909.

DOI

Options
Outlines

/

〈 〉