摘要為了解現(xiàn)代農(nóng)業(yè)社會的人口對氣候條件如何進行選擇，基于公元2000年的中國人口調(diào)查數(shù)據(jù)，利用空間統(tǒng)計模型分析了農(nóng)業(yè)社會人口密度對年均氣溫和年降水量梯度的響應(yīng)曲線。結(jié)果表明，從事農(nóng)業(yè)活動的人口在地勢平坦區(qū)域較為稠密，呈現(xiàn)東多西少、南北單峰的格局?，F(xiàn)代農(nóng)業(yè)社會的人口密度與年均氣溫、年降水量之間存在正態(tài)分布關(guān)系，人口傾向聚集于氣溫、降雨均適中的地區(qū)。筆者認(rèn)為雖然人類自身存在對氣候的選擇，但在農(nóng)業(yè)社會，人類與氣候的關(guān)系主要取決于農(nóng)作物與氣候的關(guān)系，氣候利于農(nóng)作物高產(chǎn)的區(qū)域易于形成人口的聚集。未來氣候變化可能引發(fā)農(nóng)業(yè)社會的人口流動，隨之而來的潛在社會機遇和問題需要政府管理與決策部門預(yù)先做好相應(yīng)的對策。

關(guān)鍵詞氣候變化；農(nóng)作物產(chǎn)量；人口分布；空間模型；宏觀生態(tài)學(xué)

中圖分類號S161；Q142文獻標(biāo)識碼A文章編號0517-6611（2014）24-08431-03

Responses of Chinese Population in Agrarian Societies to Climatic Gradients

TENG Shuqing（School of Life Sciences， Nanjing University， Nanjing， Jiangsu 210093）

Abstract In order to understand modern agrarian population’s choice of climate conditions， based on China population survey data in 2000， spatial statistic model was used to analyze response curve of agriculture society population density to annual mean temperature and precipitation gradient.The results showed that population in agrarian societies tended to aggregate in plain areas and could be fitted with normal curve along annual mean temperature or annual precipitation gradient. We suggest that the relationships between humans and climate should mainly depend on the those between crops and climate. Humans should aggregate in areas where the climatic conditions are beneficial for crop yields. Future climate change might bring about complex effects on crop yields and thus cause aggregations or dispersals of human population， implying that governments should formulate in advance policies that can take advantage of the positive effects and alleviate the negative effects on agricultural societies.

Key words Climate change； Crop yields； Population distribution； Spatial models； Marcoecology

在全球氣候變化的大背景下，物種將如何響應(yīng)是資源保護與管理工作需要考慮的關(guān)鍵問題之一，也是政府部門做出相關(guān)決策的重要依據(jù)之一[1]。盡管有相當(dāng)多的研究利用生態(tài)位模型討論了不同物種對氣候變化的可能響應(yīng)[2-3]，但關(guān)注人類與氣候變化的相關(guān)性的研究較為少見。有文獻報道了極端氣溫變化對工業(yè)化社會的影響[4]，也有的文獻討論了氣候變暖對傳統(tǒng)社會生活方式的影響[5]，還有的探討了氣候波動對農(nóng)業(yè)社會的影響[6-7]。盡管工業(yè)革命已經(jīng)經(jīng)歷了二百多年，全球欠發(fā)達國家中仍有大量人口從事著農(nóng)業(yè)活動[8]，故研究農(nóng)業(yè)社會的人口分布與環(huán)境梯度的關(guān)聯(lián)關(guān)系對于制定人類社會應(yīng)對未來氣候變化的措施具有重要的理論參考價值[9]。該研究以公元2000年中國人口分布數(shù)據(jù)為研究對象，結(jié)合高分辨率的氣候數(shù)據(jù)建立基于生態(tài)位理論的空間自回歸模型，分析了農(nóng)業(yè)社會人口密度在氣候梯度上的分布特征，以期理解現(xiàn)代農(nóng)業(yè)社會人口對氣候條件如何進行選擇，同時也為制定應(yīng)對氣候變化的政策提供理論依據(jù)。

1材料與方法

1.1研究區(qū)概況以中國2000年全國人口調(diào)查數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，涉及農(nóng)業(yè)活動的區(qū)域主要覆蓋華北、華東、華南、西南、東北，經(jīng)度跨度30°、緯度跨度35°，高程差達4.5 km，呈現(xiàn)出氣候條件的明顯梯度。

1.2數(shù)據(jù)來源與處理

1.2.1人口數(shù)據(jù)。 人口密度數(shù)據(jù)來自中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（RESDC，http：//www.resdc.cn）。將研究區(qū)劃分為90 km × 90 km的柵格，對于位于海陸交界的區(qū)域，所屬陸地面積占柵格面積小于一半的柵格被剔除；對于位于鄰國交界的區(qū)域，中國所屬陸地面積占柵格面積小于一半的柵格被剔除。內(nèi)蒙、西藏、新疆等地區(qū)有較多屬于游牧生活方式的人口，該研究中不包含此類區(qū)域。屬于中國三大城市群（北京、上海、廣州）的柵格呈高度城市化，農(nóng)業(yè)人口較少，城市人口與氣候變量的關(guān)系也不屬于研究的范圍，故同樣將此類柵格剔除。剩余的每個柵格的大部分面積由非城市用地覆蓋，可認(rèn)為是人類從事現(xiàn)代農(nóng)業(yè)活動的區(qū)域。以上操作均在ArcGIS 9.3軟件中進行。

1.2.2氣象數(shù)據(jù)。氣候數(shù)據(jù)均來自世界氣候數(shù)據(jù)網(wǎng)站（http：//www.worldclim.org/）。該網(wǎng)站提供19種與生物活動相關(guān)的高分辨率氣候數(shù)據(jù)，該研究選取了年平均氣溫、年降水量作為考量局域氣候條件總體水平的變量。所有空間數(shù)據(jù)運用Lambert投影進行地理坐標(biāo)定位，然后在90 km × 90 km粒度上分別計算各個環(huán)境變量。

1.3統(tǒng)計分析假設(shè)現(xiàn)代人口密度沿氣候梯度呈正態(tài)分布曲線，即人類傾向分布于氣候條件較為適中的區(qū)域，過冷、過熱、過旱、過澇區(qū)域的人口密度會相對較低。為驗證該假設(shè)，研究將人口密度數(shù)據(jù)進行了對數(shù)轉(zhuǎn)換，將轉(zhuǎn)換值與氣候條件進行二項式線性回歸。如果氣候變量二次項的系數(shù)為負(fù)值，則可認(rèn)為人口密度與氣候條件之間存在正態(tài)關(guān)系[10-11]。

數(shù)據(jù)的空間自相關(guān)意為空間位置越鄰近的變量，其值越相似?？臻g自相關(guān)普遍存在于基于空間位置信息的數(shù)據(jù)中，如地理信息數(shù)據(jù)、氣候數(shù)據(jù)、物種數(shù)據(jù)。利用普通最小二乘法（OLS）對變量進行線性回歸擬合時，基本假設(shè)之一為變量獨立分布。如果用于擬合的變量存在強烈的自相關(guān)，則違背了這一基本假設(shè)，普通最小二乘法的回歸擬合結(jié)果將變得不可信，顯著性檢驗和系數(shù)估計甚至可出現(xiàn)完全相反的結(jié)果[12]。有研究指出空間自回歸模型（simultaneous autoregressive models，SAR模型）可很好地消除殘差中的空間自相關(guān)[13-14]?？臻g自回歸模型的一種表達形式為：

Y=Xβ+λWu+e

式中，Y為因變量；X為自變量；λ為空間系回歸系數(shù)；W為空間權(quán)重矩陣；β為自變量的斜率；u為空間誤差項；e為非空間誤差項。λWu項用以表示數(shù)據(jù)中等尺度上的空間特征，使SAR可解釋數(shù)據(jù)中的空間自相關(guān)，大幅降低了空間自相關(guān)對統(tǒng)計模型系數(shù)估計的影響[15]。

同時采用OLS模型與上述空間自回歸模型對數(shù)據(jù)進行擬合，并運用Moran’s I系數(shù)對比兩種統(tǒng)計模型中殘差的空間自相關(guān)強度，選用殘差Moran’s I系數(shù)較低的統(tǒng)計模型。為驗證選用模型的穩(wěn)健性，另分別計算了OLS與SAR對兩種氣候變量擬合結(jié)果的Akaike信息標(biāo)準(zhǔn)（Akaike information criterion，AIC）值。AIC值是比較有效的模型選擇依據(jù)[16]，AIC較低者指示模型具有較高的擬合優(yōu)度。

以上統(tǒng)計分析均在R語言[17]中完成，其中SAR模型用spdep包擬合[18]。

2結(jié)果與分析

2.1中國現(xiàn)代農(nóng)業(yè)人口宏觀格局中國人口密度在從西向東的方向上表現(xiàn)出逐漸增加的趨勢，在由北至南的方向上表現(xiàn)出先增加后減少的趨勢，在地勢較為平坦的華北平原、長江中下游平原以及四川盆地人口較為密集，整體呈現(xiàn)東多西少、南北單峰的格局（圖 1）。與地形格局相似的人口格局意味著地形對于農(nóng)業(yè)社會人口分布的作用可能大于氣候的作用。換個角度理解，即使在氣候條件滿足人類居住條件的區(qū)域，如果存在過于起伏的地形，其將有礙農(nóng)業(yè)活動的發(fā)展，該區(qū)域仍無法形成稠密人口聚居地。

2.2OLS和SAR中人口密度對氣候的響應(yīng)首先運用普通最小二乘法（OLS）對數(shù)據(jù)進行了擬合，并計算殘差值（觀

圖 1公元2000年現(xiàn)代中國人口密度格局測值與預(yù)測值之差）的Moran’s I，繪制基于不同距離單元的Moran’s I相關(guān)圖（correlograms）。在某一距離單元上，Moran’s I系數(shù)越接近1，變量的正空間自相關(guān)越強烈；Moran’s I系數(shù)越接近-1，變量的負(fù)空間自相關(guān)越強烈；當(dāng)Moran’s I系數(shù)接近0時，可認(rèn)為變量是隨機獨立分布 [19]?？梢园l(fā)現(xiàn)，基于OLS的人口密度分別對年均氣溫和年降水量的擬合殘差在小距離單元上均存在明顯的正空間自相關(guān)，隨著距離的增加，空間自相關(guān)的強度逐漸減小。相反的，基于SAR的擬合殘差在所有的距離單元上幾乎不存在明顯的空間自相關(guān)（圖 2）。圖2不同氣候自變量OLS和SAR擬合殘差在不同距離單元上的Moran’s I系數(shù)對比為表明空間自相關(guān)對統(tǒng)計模型系數(shù)估計的影響，同樣列出OLS的擬合結(jié)果以作對比（表 1）。OLS與SAR對自變量二次項系數(shù)的擬合結(jié)果存在顯著差異：對于年均氣溫的二次項，OLS的擬合為極顯著負(fù)值，SAR的擬合為不顯著負(fù)值，即OLS的擬合結(jié)果表明人口密度與年均氣溫存在極顯著正態(tài)分布關(guān)系，而SAR的擬合結(jié)果表明兩者僅為不顯著的正態(tài)分布關(guān)系；另一方面，對于年降水量的二次項，OLS的擬合結(jié)果表明人口密度與其存在顯著的正態(tài)分布關(guān)系，而SAR的結(jié)果表明兩者呈不顯著正態(tài)分布關(guān)系。同時，對于兩種氣候自變量，SAR的AIC均明顯小于OLS的，意味著SAR具有更高的擬合優(yōu)度。鑒于OLS的擬合結(jié)果存在嚴(yán)重的空間自相關(guān)和較高的AIC值，因此認(rèn)為SAR模型的擬合結(jié)果更為穩(wěn)健，并用其解釋人口密度與氣候條件的關(guān)系，即現(xiàn)代農(nóng)業(yè)社會的人口傾向聚集于年均溫度年降水量均適中的地方。

3討論與結(jié)論

研究結(jié)果表明，農(nóng)業(yè)社會的人口密度與年均氣溫和年降水量存在正態(tài)分布關(guān)系。人類作為一個特殊的物種，不僅其自身需要對環(huán)境進行選擇與適應(yīng)，而且在農(nóng)業(yè)社會中其生命活動還受到農(nóng)作物生長情況的制約。

研究認(rèn)為可用農(nóng)作物對氣候條件的要求解釋人口密度對年均氣溫、年降水量各自的響應(yīng)。農(nóng)作物的生長離不開水分和光照以進行光合作用。然而，過旱或過澇的生境條件則不利于農(nóng)作物的生長和產(chǎn)量，甚至?xí)?dǎo)致其死亡。因此農(nóng)作物適宜被種植在降水量較為適中的地區(qū)，既能滿足其對水分的基本需求以維持生命活動，又能避免水淹時間過長導(dǎo)致供氧不足而死亡。在光照方面，農(nóng)作物在氣溫較高的地區(qū)可獲得充足太陽能，具有較短的成熟周期，也就意味著較充足的糧食產(chǎn)量并能夠支撐較大的人口密度。然而過高的溫度則可造成農(nóng)作物蒸騰作用過于強烈，甚至?xí)斐扇彼?，影響其生長，無法產(chǎn)出足夠的糧食。另一方面現(xiàn)代農(nóng)業(yè)活動同時受到工業(yè)化和先進農(nóng)業(yè)技術(shù)的影響，對局域氣候的依賴度可能有所降低，使得統(tǒng)計結(jié)果的顯著性變?nèi)酢?/p>

從農(nóng)作物產(chǎn)量的角度理解氣候?qū)θ丝诜植嫉挠绊戇@個角度來觀測世界為預(yù)測農(nóng)業(yè)社會對氣候變化的響應(yīng)提供了新的視角。根據(jù)該研究的結(jié)果分析，熱帶、亞熱帶地區(qū)的氣溫小幅降低或溫帶、寒帶地區(qū)的氣溫小幅升高將不會對糧食產(chǎn)量產(chǎn)生嚴(yán)重影響，甚至還可能產(chǎn)生有利的影響，促進糧食的產(chǎn)量，區(qū)域可承受的人口負(fù)荷升高，同時額外的糧食還可促進不同地區(qū)間的物資流通活動，進一步促進貿(mào)易中心的人口聚集；熱帶、亞熱帶地區(qū)的氣溫升高或溫帶、寒帶地區(qū)的氣溫下降則可導(dǎo)致糧食產(chǎn)量減少，不足以支撐當(dāng)?shù)卦瓉淼娜丝诿芏?，人類分散到其他區(qū)域以降低當(dāng)?shù)氐娜丝谪?fù)荷，食物的匱乏甚至可引發(fā)社會動蕩[7]。當(dāng)降水條件大幅偏離了某種主要農(nóng)作物的最適生態(tài)位時，局域的農(nóng)業(yè)產(chǎn)量就會受到限制，當(dāng)?shù)氐娜丝趯⒚媾R兩種選擇：要么舍棄原來的聚居地并尋找新的降水條件適合該農(nóng)作物生長的聚居地，要么更換主要農(nóng)作物以適應(yīng)降水條件的改變。由氣溫與降水變化可能引發(fā)的人口流動現(xiàn)象啟示政府相關(guān)部門應(yīng)合理制定人力管理制度以應(yīng)對氣候變化可能帶來的負(fù)面社會影響[9，20]。值得注意是，氣溫與降水之間存在復(fù)雜的相互作用，不存在僅一者變化而另一者不變化的情況，更準(zhǔn)確的預(yù)測需要在以后的研究中考慮更復(fù)雜的不同氣候因子相互作用[21-22]，以更系統(tǒng)地了解農(nóng)業(yè)社會人口與氣候的關(guān)聯(lián)關(guān)系。

42卷24期滕漱清中國農(nóng)業(yè)社會人口密度對氣候梯度的響應(yīng)參考文獻

[1] HELLER N E，ZAVALETA E S.Biodiversity management in the face of climate change：a review of 22 years of recommendations[J].Biological Conservation，2009，142（1）：14-32.

[2] GUISAN A，THUILLER W.Predicting species distribution：offering more than simple habitat models[J].Ecology Letters，2005，8（9）：993-1009.

[3] KISSLING W D，DORMANN C F，GROENEVELD J，et al.Towards novel approaches to modelling biotic interactions in multispecies assemblages at large spatial extents[J].Journal of Biogeography，2012，39（12）：2163-2178.

[4] POUMADRE M，MAYS C，LE MER S，et al.The 2003 heat wave in France：dangerous climate change here and now[J].Risk Analysis：an International Journal，2005，25（6）：1483-1494.

[5] FORD J D，SMIT B.A framework for assessing the vulnerability of communities in the Canadian arctic to risks associated with climate change[J].Arctic，2004，57（4）：389-400.

[6] WEISS H，COURTY M A，WETTERSTROM W，et al.The genesis and collapse of third millennium north Mesopotamian civilization[J].Science，1993，261（5124）：995-1004.

[7] ZHANG D D，BRECKE P，LEE H F，et al.Global climate change，war，and population decline in recent human history[J].Proceedings of the National Academy of Sciences USA，2007，104（49）：19214-19219.

[8] THOMPSON P B.The Agrarian Vision：Sustainability and Environmental Ethics[M].Lexington：University Press of Kentucky，2010：23.

[9] BURKE M B，MIGUEL E，SATYANATH S，et al.Warming increases the risk of civil war in Africa[J].Proceedings of the National Academy of Sciences USA，2009，106（49）：20670-20674.

[10] DORMANN C F，MCPHERSON J M，ARAU′JO M B，et al.Methods to account for spatial autocorrelation in the analysis of species distributional data：a review[J].Ecography，2007，30（5）：609-628.

[11] KREFT H，JETZ W，MUTKE J，et al.Contrasting environmental and regional effects on global pteridophyte and seed plant diversity[J].Ecography，2010，33（2）：408-419.

[12] XU C，HUANG Z Y X，CHI T，et al.Can local landscape attributes explain species richness patterns at macroecological scales？ [J].Global Ecology and Biogeography，2014，23（4）：436-445.

[13] HAINING R.Spatial Data Analysis in the Social and Environmental Sciences[M].Cambridge：Cambridge University Press，1990：252-258.

[14] JOHNSON J B，OMLAND K S.Model selection in ecology and evolution[J].Trends in Ecology and Evolution，2004，19（2）：101-108.

[15] R Development Core Team.R：a Language and Environment for Statistical Computing[Z].Vienna：R Foundation for Statistical Computing，2012.

[16] BIVAND R.Spdep：spatial dependence：weighting schemes，statistics and models[EB/OL].http：//CRAN.Rproject.org/package=spdep.

[17] MORAN P A P.Notes on continuous stochastic phenomena[J].Biometrika，1950，37（1/2）：17-23.

[18] COSTELLO A，ABBAS M，ALLEN A.Managing the health effects of climate change[J].The Lancet，2009，373（9676）：1693-1733.

[19] MCCUNE B.Nonparametric models with automatic interactions[J].Journal of Vegetation Science，2006，17（6）：819-830.

[20] ELITH J，PHILLIPS S J，HASTIE T，et al.A statistical explanation of MaxEnt for ecologists[J].Diversity and Distributions，2011，17（1）：43-57.