伴随着中国人口转型和流动性加大，人口收缩已成为新常态。2022年中国人口首次出现负增长，人口红利逐渐消失，人口收缩态势更加显现^［1-2］，严重影响国家区域开发格局，给地方发展前景带来更大的风险和不确定性^［3］。2022年5月中共中央办公厅、国务院办公厅联合印发《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“稳妥调减收缩型城市市辖区，审慎研究调整收缩型县（市）”。收缩型县（市）成为国家和区域治理的新命题。

人口收缩现象历史悠久，早在20世纪后期，受去工业化、郊区化、老龄化和社会结构转型的影响，西方国家的一些城市就出现了人口流失和经济衰退现象^［4］。在中国，伴随着人口转型（主要表现为减量化和老龄化）和城乡关系变化，经济落后的中西部地区人口不断向东部地区（尤其是城市群地区）和中心城市流动聚集，引致县域、县城人口收缩非常明显。与大城市相比，县城大多规模小、功能单一、抵御风险能力不足，最容易形成人口流失，收缩程度远高于城市^［5-6］，也更接近真实的城市收缩。15.2%的县城，29.8%的镇区均出现人口收缩^［7］，尤其在东北、西北、西南等经济落后地区县城收缩更明显^［8］。在县城收缩的同时，县域人口梯度化、常态化收缩态势已非常明显^［9］，2010—2020年1 510个县域中严重收缩的达778个^［10］。

人口收缩是一个非常复杂的地理过程，在不同的边界条件下，人口收缩存在着相位差，县域人口收缩往往伴随着县城人口的聚集，收缩与集聚并行交织，收缩过程往往呈现时空差异性和复杂性^［11］。县域人口收缩早于全国^［12］，县城收缩程度则明显高于县级市^［10］。也就是说，县域（行政地域）、县城（实体地域）人口动态变化并不同步。如果仅靠县域人口收缩结果就断言“人口收缩”了，会产生误判，引起不必要的担忧与混乱。因此，人口收缩的识别不应只局限于单维视角（即县域或县城），而应在双维度视角的引导下，同时关注县城、县城人口的变化，只有县域、县城人口双流失时，才能反映出人口收缩的真实状况，这种情况需要予以特别关注与澄清。县域、县城二者之间的组合态也需要进一步判断。

黄河流域是人类最早活动的地理单元，改革开放后，随着中国区域发展格局的变化，人口收缩现象也开始显现。231个市辖县（占42.46%）处于收缩状态^［12］；52.65%的县城为暂时性收缩，46.03%的为周期性收缩^［13］，“几字弯”地区乡镇收缩也非常明显^［14］。上游地区既是人口分布的稀疏区和少数民族聚居区，也是大量人口流失区。因此，本文基于县域、县城双维边界，科学研判黄河上游地区人口收缩的时空过程、组合特征，积极寻求收缩县域、县城的治理策略，为制定切实可行的精明收缩提供决策依据，对促进黄河流域高质量发展具有重要的现实意义。

黄河流域涉及青海、四川、甘肃、宁夏、内蒙古、山西、陕西、河南、山东9省区，上游地区包括青海、甘肃、宁夏以及内蒙古，本文以该区域的159个县级行政单元（县、旗、市辖区、县级市）为对象，分别从县域、县城及其组织尺度上来研究人口收缩的时空变化特征。

人口空间数据。在中国，县域（行政地域）有连续完整的人口统计数据，而县城（实体地域）缺少对应性数据。为了研究双维边界条件下的人口收缩问题，必须对人口数据进行空间化。目前较好的人口空间数据源于全球高精度人口空间分布数据集（WorldPop，分辨率100 m，https：//hub.worldpop.org/），为了获得双维边界条件下一致性的人口数据，并进一步评估格网尺度上的人口数据的准确性，本文使用最精细的“五普”“六普”“七普”数据，与各区县格网中的人口数进行线性拟合，结果发现R² 分别达0.958、0.981和0.940，说明该数据精度较高，可同时得到县域、县城两种尺度上的连续人口数据，能满足本研究需要。

县域、县城空间数据。县域空间边界按行政区划边界处理；县城（实体地域）边界通过遥感影像提取，用不透水面（ISA）表征。数据来源于武汉大学中国逐年土地覆盖数据集（CLCD，https：//zenodo.org/records/5816591），分辨率30 m。本文应用“重采样”工具将30 m分辨率的土地栅格数据重采样为100 m，与人口分布数据对应的空间一致。

社会经济数据。城镇人口、≥65岁人口、GDP、第二产业、地方财政支出、城乡居民收入、公共服务等数据来源于《中国县域统计年鉴（县市卷）》。

人口收缩标准是识别县域、县城是否收缩的关键。目前国内外的判断标准并不相同，迄今还未得出一个统一的、普遍适用的标准^［15］。Lichter等^［16］认为只要人口数量和密度下降，即形成收缩；而收缩城市项目（SCP）则界定为过去50年（1950—2000年）里，人口至少流失10%或年均人口流失率大于1%^［17-18］；Schilling等^［19］界定为在过去40年内，持续超过25%的人口流失。杜志威等^［20］则认为5年以上年均人口增长率出现负值才能定义为收缩。其实质是人口收缩阈值、时间跨度和空间尺度^［21］，涉及两个关键指标，即人口持续减少的时间（时间门槛）、总人口减少量或年均人口减少量（人口门槛）、人口数量减少的地域空间边界（空间标尺）、地域空间边界内的人口数量（规模门槛）^［22］。如果时间太短，容易将人口的正常波动误判为收缩；若标准太高，又往往忽略收缩现象。如果空间边界界定不清，往往将县域人口收缩误判为县城人口收缩。

本文根据黄河流域县域、县城人口变化的实际情况，采用两步法进行识别，先采用人口收缩率（Sn）进行识别，当Sn<0时，即视为广义人口收缩；再结合传统的“五年计划”习惯，规定若5年内（如2000—2005年）有2年人口出现收缩，则将其识别为狭义收缩（本文所指）。参考Alves等^［4］的分类，将人口收缩分为长期稳定收缩（在每个5年内，收缩时间长达5年）、持续收缩（在每个5年内，收缩时间为4年）、短期收缩（在每个5年内，收缩时间为3年或者连续2年）、间断收缩（每个5年内，收缩时间为1年或者2年但不连续），以刻画人口收缩过程特征。

人口变化率计算公式为：

式中：Sn为人口变化率；P_t+1和P_t 分别为t+1和t时期的人口数量。当Sn<0时，即视为人口收缩，且Sn的绝对值越大，人口收缩越严重；反之，则视为人口增长。根据收缩程度，分为轻微收缩（-0.05≤Sn<0）、轻度收缩（-0.1≤Sn<-0.05）、中度收缩（-0.3≤Sn<-0.1）、重度收缩（Sn<-0.3）。

本文将县域、县城人口收缩组合类型划分为三大类：①双维收缩型（县域收缩-县城收缩型）：县域人口收缩的同时，县城也处于收缩状态，表明人口圴处于流失状态。②单维收缩型，又可细分为县城收缩-县域增长型（县域人口增长而县城人口收缩，一般而言，这种情形很少发生）和县域收缩-县城增长型（这种情形非常多，即人口受县城吸引向县城集中）。③双维增长型（即县域和县城人口均增长）。

黄河上游地区县域人口收缩较普遍，但以轻微收缩为主（Sn<-0.02），说明收缩普遍但强度低。2001—2020年共识别出89个收缩县域，其中22个市辖区、3个县级市、56个县、8个旗，占研究区县级行政单元的57.42%。数量虽有波动，但总体变化不大，表现出相对稳定性。从收缩类型上考察，长期稳定收缩型占主导，且数量在增加；持续收缩、短期收缩和间断收缩型均有不同程度的减少，说明收缩在加重（图1）。从地域分布来看，青海省最少，甘肃省最多，宁夏居中。黄土高原（或六盘山集中连片特困地区）、内蒙古纯牧区、少数民族聚居区是主要的分布区，具有明确的空间指向性和空间锁定性（图2）。

从双维度角度考察，黄河上游地区约50%的区域为双维增长型，具有典型的同向增长特征，这些区域基本为市辖区。20%~30%的区域为双维收缩型，具有典型的同向收缩特征，是县域长期稳定收缩的结果；其余20%的地区处于单维收缩状态，具有异向增减特征（图3）。

2001—2020年，双维收缩型区域共51个，主要涉及巴彦淖尔、乌兰察布、平凉、庆阳、定西、白银、海东、石嘴山、固原等市，在空间分布上呈小集聚、大分散特征（图4）。其中内蒙古相关地区首先表现为县域稳定收缩（收缩期长达20年），在此基础上表现为县城间断收缩；或者初期表现为单维收缩（县域收缩-县城增长），随着时间推移，演变化为双维收缩，即县域长期收缩的结果，最终传导至县城，导致县城、县域人口双流失。这些区域人口总量小、密度低，经济落后，人口引力小，人口双向流失严重。平凉和庆阳为国家确定的资源枯竭型城市，且受西咸都市圈影响明显，人口长期处于流失状态；定西市受兰州市的虹吸效应明显，导致人口流失明显。总体而言，双维收缩是间断的、短期的，是叠加在县域长期稳定收缩基础之上的现象。

县域收缩-县城增长是单维收缩的主要表现。2001—2020年，共涉及63个县域，主要分布在巴彦淖尔、乌兰察布、白银、庆阳、定西、固原等市（图5）。县域收缩时间长，但程度轻，因此，在长期的人口再分布过程中，县域人口流失的同时向县城聚集，导致县城人口扩张。

从收缩轨迹判断，双维收缩型往往和单维收缩型（县域收缩-县城增长）交替出现，是穿插在县域长期稳定收缩中的短暂现象，即当县域连续收缩到一定程度时，导致县城也出现继发性收缩。但由于县城总是县域的人口和经济中心，因此对人口收缩会产生某种“阻尼”效应，因此在历经短暂（1~2年）的收缩后，往往会反弹，出现稳定甚至增长态势。县域收缩（尤其是稳定收缩）具有连续性和持续性，而双维收缩是间断的、短暂的（图6）。表明双维收缩是叠加在单维收缩之上的短期、不稳定现象。

为了检验双维收缩之间的空间关联性，运用双变量空间自相关模型，计算两者的全局Moran'I指数，发现仅2003、2007、2010、2014、2017、2019年通过0.01水平的显著性检验（恰好是双维收缩出现的时间）；2001、2020年通过0.05水平的显著性检验；其余12年均没有通过显著性检验。这表明双维收缩在大部分年份不存在空间关联性。

根据双变量局部Moran'I指数，分析2003、2010、2014、2017、2019年双维收缩的局部空间集聚特征，发现H-H型和L-L型为主要类型，L-H型和H-L型分布较少（图7）。

H-H类型：以双维增长型（县域增长-县城增长）为主，主要分布在城市群市核心区，也是各主要城市的市辖区县。如宁夏沿黄城市群核心城市银川市、永宁县和灵武市；呼包鄂榆城市群中心城市呼和浩特市、包头市以及托克托县、和林格尔县、清水河县和土默特左旗；兰西城市群核心城市兰州、榆中县和皋兰县。受城市群虹吸效应的影响，形成双维增长态势。L-H类型：以单维收缩型（县域收缩-县城增长）为主，零散分布在H-H型周边，即城市群的边缘区，受城市群核心区的吸引和人口梯度收缩的影响，县域人口率先向县城集中。

H-L类型：以单维收缩型（县城收缩-县域增长）为主，数量最少。这类区域主要发生在牧区，如达尔罕茂明安联合旗、察哈尔右翼前旗。

人口收缩是一个由多重因素交织而成的复杂现象，既有人口学原因，也有社会经济原因。生育率下降、老龄化和移民等引致的人口结构变化和再分布^［23-24］，以及经济衰退、投资率低下和劳动力外流被视为人口收缩的关键因素^［6，25］。一般认为，如果一个地区的人口规模小、密度低，往往意味着人口过程和空间分布更具易变性。一个地区的人口替代水平（总合生育率）低于2.1时，就不可避免地出现人口收缩。经济发展通常伴随教育水平提高、育儿成本增加，生育意愿下降，影响人口长期发展态势；而经济落后往往无法提供充足的就业机会和收入来源，对人口产生强大的推力，同样引致人口外流。城市群在就业机会、基础设施、公共服务等方面都具有明显的比较优势，形成“虹吸效应”和“循环累积效应”，导致低层级城镇加速收缩^［25］。也有学者指出城市生命周期、资本与市场行为、政府干预行为，共同造成了收缩^［26-27］。发达地区和核心城市占据竞争优势，而落后区域和一般县城缺乏竞争力，导致人口收缩。政策行为（如鼓励生育、制定特殊的民族生育政策、实施生态移民等）也可以引起人口变化和再分布^［28-30］。

结合黄河上游地区的实际情况，从人口发展、经济发展、人民生活、公共服务配置水平等方面选取城镇化率（X₁）、人口老龄化比例（X₂）、人均GDP（X₃）、地方财政一般预算支出（X₄）、第二产业比例（X₅）、第三产业比例（X₆）、城镇居民人均可支配收入（X₇）、农村居民人均可支配收入（X₈）、中小学学校数（X₉）、医疗卫生机构床位数（X₁₀）共10项指标，来定量分析对县域、县城人口收缩的影响。城镇化率反映了人口向城镇聚集的过程及程度，对应县域收缩-县城增长。老年人口比例增加，往往意味着人口停滞和衰退，导致社会保障和医疗保险等支出增加，财政压力加大，流动性下降，一般会形成收缩。经济规模越大、活力越强，越能吸引更多资本、劳动力和技术流入；相反若经济水平低，就业机会有限，往往会对人口产生推力。人均GDP是反映县域、县城经济实力的重要指标。财政支出越高，说明对经济的拉动越强，政府有更多的资金用于基础设施建设、公共服务以及社会保障建设，从而提高区域的整体竞争力和居民的生活质量，对人口产生引力。产业结构决定人口吸引力，增长型产业延缓收缩，衰退型产业加速收缩。人们为了追求更好的生活质量向经济发达地区迁移，从而导致迁出区形成收缩。良好的教育、医疗等公共服务，能吸引更多的人口流入；相反，公共服务不足，加剧收缩。

运用地理探测器方法，分别探索2010年和2020年各因子对黄河上游地区人口收缩的驱动力，根据q值通过显著性检验的状况，对影响因子进行排序：2010年，X₇>X₃>X₈>X₁>X₄>X₉>X₂；2020年，X₃>X₇>X₈>X₂>X₁>X₅>X₉>X₄>X₆（表1）。这意味着人均GDP和城乡居民收入是影响人口收缩的关键变量。纵向比较，相较于2010年，X₄、X₇和X₈在2020年的影响程度下降较明显，而X₂大幅度增加，表明经济和收入水平的影响力在弱化，而老龄化的影响力在加强，这与黄河上游地区人口老龄化加重的态势相吻合。

因子交互作用探测结果表明，2010年双因子增强有20种，非线性增强有25种；2020年双因子增强有23种，非线性增强有22种，两种类型占比均在50%左右。总体来看，2010年和2020年各因子交互作用都呈增强型（即双因子交互作用检验的q值均大于单因子的q值），表明影响因素对收缩的影响并不是独立存在的。值得注意的是，2010年，X₅、X₆和X₁₀没有通过显著性检验，2020年X₁₀没有通过显著性检验，但这些因子在与其他因子相互作用后，对收缩的影响程度大幅度增强，表明影响因素之间相互联系，共同发挥作用。

进一步分析因子交互作用时的影响程度，发现2010年交互作用中，城镇居民人均可支配收入与其他因子交互作用的均值最高，为0.614；其次是人均GDP，与其他因子交互作用的均值为0.581；第三位是农村居民人均可支配收入，均值为0.547。2020年，与其他因子交互作用的均值前四位分别是人均GDP、人口老龄化比例、城镇居民人均可支配收入和农村居民人均可支配收入，均值分别为0.578、0.554、0.545和0.530（图8）。这同样证明收入水平、经济发展状况和老龄化程度是影响人口收缩的关键变量。

如前述，黄河上游地区人口收缩具有空间锁定性和稳定性，即六盘山集中连片特困区和内蒙古东部纯牧区，其中特困区覆盖宁夏西海固地区、甘肃中东部地区及青海海东地区共61个县（区），不仅自然条件严酷，人居环境恶劣，而且经济总量小、收入水平低，往往对人口产生巨大的推力，导致人口（尤其是县域人口）处于长期稳定收缩状态，甚至涉及县城。内蒙古东部纯牧区，牧业占比高，受草场退化、农产品价格波动影响，农牧民收入增长缓慢。农业现代化（如大型农机、集约化养殖）减少了对劳动力的需求，导致农村人口外流。包头、乌海、鄂尔多斯、白银、庆阳等矿业型城市长期依赖煤炭、金属等资源产业，受资源服务年限、环保政策、产能过剩等的影响，就业吸纳能力下降，大量人口涌向京津冀城市群、西咸都市圈地区，导致人口形成收缩现象。

中国人口收缩现象在县市尺度非常明显^［6］，常住人口收缩县域占比约53%，超70%的县域出现劳动年龄人口不同程度的减少^［10］，县域单元中，超过1/3的城镇出现不同程度的人口收缩^［9］，在1 240余个人口流失的县域中，约15.64%的县域为严重人口流失（人口减少了20%以上），约34.68%的县域人口减少了10%~20%，属于人口明显流失^［31］，东北地区和省际交界地带是县城人口流失重点地区^［32］，全国80.85%的县域单元呈现人口总量减少但集聚水平提升的集聚式收缩新样态^［11］。这说明人口收缩是大势所趋。

黄河流域收缩城市数量多，范围广，人口流失较为严重，不同省份收缩城市数量与收缩程度差异明显^［33］。这与本文的发现相似。但由于标准不同，时空尺度不同，识别出的结果不尽相同。丁晓明^［34］将2000—2010年/2010—2020年人口变化率为负值作为识别标准，发现735个县级行政单元中，县城收缩大幅增加，由2000—2010年的53个增加至2010—2020年的301个，主要集中在中上游地区，具有环大城市、核心城市，呈块状、环状布局的空间特征。刘晓晨^［35］以2020—2010年常住人口的增长率为依据，将收缩城市分为全域式、边缘式、交叉式3种收缩类型；王录仓等^［13］利用人口收缩率，发现暂时性收缩县城159个（占52.65%），周期性收缩县城139个（占46.03%），持续性收缩县城仅4个。高玮等^［36］使用年均人口变动率，发现52%的区县出现人口收缩现象，范围和程度明显加剧，汾渭平原及黄淮海平原形成收缩带，但上游仍存在人口增长极。从城市收缩程度来看，轻度收缩城市>中度收缩城市>重度收缩城市，从收缩轨迹来看，近期收缩城市>加剧收缩城市>阶段收缩城市>减缓收缩城市^［34］。本文发现上游地区以轻微收缩和长期稳定收缩为主。在甘肃，县域空间连片收缩现象较为显著，但人口由郊区县城向中心城区迁移的趋势依然明显，中心城区依旧是区域人口集聚的关键区域^［37］。陇东地区存在大面积收缩现象。在内蒙古，人口收缩型城镇主要分布在东北部和中南部^［38］，这与本文发现相吻合。

上述研究中，均将县域（行政地域）和县城（实体地域）看作是相对独立的单元，来研究人口收缩问题。张学良等^［12］提出行政边界（广义）和经济边界（狭义）双重视角，结果发现2010—2020年，黄河流域76.82%的乡镇发生广义收缩，45.65%的乡镇发生狭义收缩，36.42%的乡镇同时发生广义收缩和狭义收缩，即真正意义上的收缩。但这种“边界”实际上是不同的“维度”（或检测指标）。本文发现，如果从单维度上考察，55.6%县域存在收缩现象，但以轻微收缩和长期稳定收缩为主。89.94%县城出现过收缩，但以短期收缩和间断收缩为主，与县域收缩形成强烈反差。从双维度上考察，县域收缩-县城增长占主导，说明县域人口流失的同时，县城聚集度在提升；县域收缩-县城收缩非常少，且往往和县域收缩-县城增长交替出现，县域长期稳定收缩累积的结果必然传导至县城，导致县城出现短暂收缩，但由于县城往往对人口具有聚集作用，因此县城对县域收缩具有某种程度的“阻尼”作用。

从收缩原因上考察，人均财政收支、社会消费水平、医疗发展水平对人口收缩与集聚产生影响的作用强度空间分异显著。人口年龄结构因素正成为人口收缩区年轻人口减少的主要原因^［39］，产业结构调整、发展长期滞后等也会引起人口收缩^［40］。人口年龄结构、城市人口密度、人均GDP、公共服务与基础设施、城镇居民人均可支配收入对其影响显著^［25］，人口收缩乡镇主要在“几字弯”地区，经济收缩乡镇主要集中在上中游地区^［14］，供给侧结构性改革和去工业化则引致甘肃省人口收缩^［40］，本文发现人均GDP、城乡居民收入水平是驱动人口收缩的关键变量。

从单维度上考察，2001—2020年，共识别出89个县域（占研究区域县级行政单元数量的55.6%）存在收缩现象，但以轻微收缩和长期稳定收缩为主。同期共有141个（占89.94%）县城出现收缩，但以短期收缩和间断收缩为主，与县域收缩形成强烈反差。六盘山集中连片特困区、内蒙古东部地区是县域、县城收缩发生的主要地区，具有明显的空间锁定效应。

从双维角度考察，2001—2020年，黄河上游地区双维增长型（县域增长-县城增长）占主导，同样反映出收缩不严重的事实；其次是单维收缩型（县域收缩-县城增长），占比在9.91%~30.34%，是正常的人口流动与空间再分布；双维收缩（县域收缩-县城收缩型）较少，占比5.5%~26.13%，且具有时间上的短暂性和间断性。单维收缩型（县域增长-县城收缩）最少，占比2.08%~19.27%。

双维收缩型往往和单维收缩型（县域收缩-县城增长）交替出现，且以县域收缩为主，双维收缩是叠加在单维收缩基础之上的短期现象。

双变量全局空间自相关分析表明，黄河上游地区县域收缩和县城收缩在大部分年份不存在空间相关性，即收缩并不是同步发生的现象；局部自相关表明，高-高型（即双维增长型）区域主要分布在城市群核心区；低-低型（即双维收缩型）主要分布在城市群边缘区和纯牧区。

地理探测器探测的结果表明，人均GDP、收入水平、老龄化程度是影响人口收缩的关键变量。

双维视角分析的结果表明，黄河上游地区尽管存在人口收缩现象，但以县域收缩为主（轻微收缩），双维收缩现象并不严重，并没有形成令人恐慌的结果。但对于集中连片特困区、边疆少数民族聚居区（也是纯牧区）和矿业型地区，还得引起重视，谨防人口收缩的同时出现经济衰退和社会动荡。