内容导读：

中国的城市化进程承载了大量的进入城市区域的农村劳动力，这一人口迁移进程重塑了中国的人口分布格局。然而，中国的户口制度、对城市边界一致可靠的定义以及农村劳动力群体流动的本质性使得我们很难获得高质量的数据来衡量城市化的程度。

移动APP数据给我们提供了一个新的角度来探索春节前后由于农村劳动力返乡带来的一年一度的人口分布空间不匹配。基于春节前后的移动数据差值，我们识别出不同区域在移动劳动力市场中所占的角色，即“源-汇”区域。进一步，我们刻画了不同类型“源-汇”区域的空间范围，基于此定义不同阶段的城市化水平并对其进行分析。

数据与方法：

       本文采用的数据是由腾讯收集的2016年1月16日至2016年2月13日的移动定位数据。数据精度约为1100m乘以1100m。其中，2月7日至11日视为春节时时段，1月18日至1月22日视为春节前时段。这两个时段得到人口差值的相对比例见图1。文中采用的GIS分区方法为REDCAP（regionalization with dynamically constrained agglomerative clustering and partitioning），详细算法描述可参考https://www.tandfonline.com/doi/abs/10.1080/13658810701674970.

图1 春节前后人口变化的相对比率。

研究结果：

       基于区域异质性度量指标，文中得到了不同层级下的分区结果，并在18个区域的层级上（图2）依据人口差值变化比率及其所处地理环境将分区结果归纳为7种类别，分别为：高度城市化区域（Type-I），城市化区域（Type-II），高度移动区域（Type-III），劳动力均衡区域（Type-IV），劳动力输出集中区域（Type-V），劳动力输出区域（Type-VI）以及中等劳动力输入区域（Type-VII），分类依据见表1。下面对每一种类别做简单分析。

图2 分区结果（18个）

       Type-I（图3）包括三个区域，京津地区，长江三角洲区域和珠江三角洲区域，这是中国最重要的人口“汇”区域。长三角区域较早分离出来得益于其相当大的区域面积以及较高的人口减少比例。珠三角区域承载了最大的人口流入约2000万，可能的原因是珠三角是改革开放的最早受益者并发展了大量以出口为导向的工业，这都依赖大量的进城务工人员。京津地区只包括了北京天津以及城市化水平较低的廊坊。依据人口减少比率的空间分布，可以看出三个区域的空间结构：单中心的珠三角，多中心的长三角以及紧密相连的双中心京津地区。

图3 三个Type-I 高度城市化区域

Type-II（图4）是第二级的人口“汇”区域，包括两个海峡西岸区域、两个长江中游区域、兰州-西宁-成都区域以及山东半岛区域。两个海峡西岸区域一个围绕厦门和泉州，一个包含福州和莆田。长江中游区域涵盖一个以武汉为中心，以及一个以长沙和南昌为中心的区域，二者被欠发达的九江所隔离。兰州-西宁-成都区域是中国西部唯一识别出来的城市化区域，山东半岛区域未包含一些沿海发达城市。

图4 六个Type-II城市化区域

       Type III（图5）以人口高度流动为特征，位于甘孜藏族自治州。该地区人口密度较低且经济欠发达，但是春节时显示出较高的人口减少比例。推测原因是被高原风光和藏族文化吸引到的游客春节时返家导致的人口减少。

Type IV（图5）是北部湾区域，与周围人口增加约40%形成对比，该地区人口流动基本均衡。推测原因是热带风光游客的返家与本地区的劳动力返乡相平衡。

图5 Type III 和 Type IV 区域

Type-V是三个劳动力输出集中区域，包括四川省的两个区域（图6）以及中国的中东部地区（图2区域编号4），这三个区域组成了中国主要的人口“源”区域。四川的两个区域被人口增加比例较低的区域分割，中国中东部地区是人口汇入最大的区域且跨越了八个省份。

图6 Type-V四川劳动力输出集中区域

       另外三个人口输出区域划分为类别Type-VI（图2区域编号为10,17,2）。其中，编号10（东部沿海劳动力输出区域）和编号17（东部局部劳动力输出区域）从中国中东部区域中划分出来，由于其较低的人口增加比例（约22%）。一个解释是这两个区域毗邻东部沿海地区，与中国中东部高达41%的人口输出相比，其经济发展水平得以挽留部分局部劳动力。

       最后一个类别Type-VII是中国西部，该地区人口密度稀疏，其资源导向性经济（如工业和矿业）吸引了一部分务工人员，这可以帮助解释该地区春节时的人口减少。

       总之，这七个类别18个区域在平衡劳动力输入和输出方面起到了独特的作用。Type-I 和 Type-II是重要的“汇”区域，Type V 和 Type VI是主要的“源”区域，这些区域的城市化水平呈现出I > II > VI > V的模式。两个特殊的区域甘孜藏族自治州区域（Type-III）和北部湾区域（Type-IV）有其他可能的因素，前者是游客返家，后者是游客离去和劳动力返乡的均衡。中国西部（Type-VII）形成了独特的人口汇入区域，可能的原因是资源导向的经济而不是较高的城市化水平。

研究总结：

本文利用移动APP数据刻画了春节前后劳动力迁移模式，并利用分区方法刻画了中国的“源-汇”区域，将对其进行解释分析。有几点值得关注，第一，文中识别出的城市化的“汇”区域差异较大，但均不受行政边界约束而反映了真实的由经济发展驱动的城市化范围。第二，是那些欠发达的人口“汇”区域占据了中国大部分的普查人口。第三，大数据得到的结果并不具有颠覆性，但是利用它，我们可以讲出更好的故事，并刻画出传统数据发现不了的模式。

参考文献：

Wang, Y., Wang, F., Zhang, Y., & Liu, Y. (2018). Delineating urbanization “source-sink” regions in China: Evidence from mobile app data. Cities, in press. DOI: 10.1016/j.cities.2018.09.016.