2017, Vol. 13 
2. 中国气象局国家气候中心，北京100081;
3. 中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室，乌鲁木齐 830011;
4. 中国科学院大学，北京 100049;
5. 中国气象科学研究院，北京 100081;
6. 宁波大学建筑工程与环境学院，宁波 315211
近百年来，随着工业化进程的深入，全球大部分地区气温持续升高。1880—2012年全球平均气温上升了0.85℃，其中一半以上的升温被认为由温室气体浓度的人为增加和其他人为强迫共同导致[1]。人口数量、经济活动、生活方式、能源利用等因素驱动的温室气体增加对全球气候造成了极大影响，而气候变化所带来的灾害频发、农作物减产、疾病增加等问题也给人类社会经济发展和生命财产安全带来了新的挑战[2]。为了减轻气候变化风险，《联合国气候变化框架公约》近200个缔约方一致同意通过《巴黎协定》，为将全球平均气温较工业化前水平升高控制在2.0℃之内，并为控制在1.5℃内努力，2016年11月1日协定正式生效。作为全球人口最多的国家，2010—2015年，中国大陆地区总人口由13.4亿增加到13.75亿，《巴黎协定》的签署，为应对气候变化政策提出了新的目标，也将对气候变化背景下的中国人口格局造成深远影响。
气候情景是气候变化研究的基础，合理设定社会经济发展情景是气候变化影响评估中的核心[3]。IPCC自1990年第一次评估报告起，就把社会经济假设纳入到气候情景，先后发展了SA90、IS92、SERS、RCPs等情景，对社会经济的假设由简单描述人口和经济增长，逐渐发展到考虑人口、经济、技术、公平原则、环境等多种因素对气候变化的影响，创立了共享社会经济路径（SSPs）[4-5]。SSPs不仅包含已有气候情景中的各种社会经济假设，而且确立了可持续发展（SSP1)、中度发展（SSP2)、局部或不一致发展（SSP3)、不均衡发展（SSP4)、常规发展（SSP5）5个基础路径。SSPs已经在全球范围得到广泛应用[6-9]。SSPs路径下，全球150多个国家人口和经济变化预估研究，取得了初步成果[10-14]。但已有的研究对SSPs路径下的中国人口研究尚存在缺陷；这一方面是已有研究仅局限在国家尺度预估人口数量，未考虑中国经济发展模式、户籍政策、迁移规律等带来的区域差异，无法有针对性地把中国各省人口变化与经济社会发展状况相结合；另一方面随着两孩政策的全面放开，中国人口格局必然会发生新的变化。现有SSPs路径下的人口预估尚未考虑中国人口政策变化对人口的影响。
与传统中国人口的研究相比，将气候情景纳入人口预估，综合了不同气候政策和社会经济发展模式对人口趋势和结构的影响，提出不同社会经济发展状况下的人口假设，有利于国家相关气候政策与措施的制定。2011年以来，作者所在的研究团队开始SSPs路径下的气候变化影响研究[3, 15]，并根据2010年第六次人口普查中中国和各省生育率、死亡率、迁移人口、教育水平等调查数据，结合中国现在的人口政策，预估了2100年前，SSPs路径下中国人口数量[16]。本文在上述研究基础上，首先确定了全球升温1.5℃和2.0℃所对应的SSP路径，并对比分析全球升温控制在1.5℃和2.0℃时，不同SSPs路径下中国人口演变规律与分布格局，为实现《巴黎协定》全球升温目标提供科学依据。
1 数据与方法 1.1 研究数据选用2010年第六次全国人口普查数据作为初始人口。选取人口普查短表中除香港、澳门、台湾以外的31个省份（区、市）的不同教育水平、年龄段、性别的人口总数、死亡人口、户口登记在外省人口。选取人口普查长表中各省5年内流动人口和分年龄段的育龄妇女生育率数据。
采用气候模式确定全球升温时间。气候模式预估数据采用跨行业影响模式国际比较计划（ISI-MIP）推荐使用的5个全球气候模式数据（GFDL-ESM2M，HadGEM2-ES，IPSL-CM5A-LR，MIROC-ESM-CHEM，NorESM1-M)。其中包括基准期1986—2005年、RCP2.6和RCP4.5排放路径下2006—2100年全球逐日气温数据[17-18]。
1.2 研究方法 1.2.1 人口预估模型人口预估模型采用美国人口学家Rogers开发的多状态人口-发展-环境分析（PDE）模型[19-20]。通过给定不同年龄、性别、教育水平等“状态”下的初始人口、生育率、死亡率、迁移人口，运行人口预估模型，预估人口数量。其中，人口增长由自然增长和机械增长两部分组成。自然增长为出生人口与死亡人口之间的差值；机械增长主要指净迁移人口。对不同“状态”下的每一年龄组的人口，当前年龄组人口数减去某一预估时间段内死亡人口，再加上净迁移人口，即为所预估年份下这一年龄组人口数。PDE模型公式简明，便于计算，同时不同“状态”间可以相互转换，能够同时对不同性别、年龄以及分省人口进行预估。该模型已经在国内外得到广泛应用[21-24]。
1.2.2 模型参数设定参考国际应用系统分析研究所（IIASA）按照全球150个国家分类开展的人口试验[25]，结合中国当前人口现状和国情，对未来中国各省生育率、死亡率、迁移率提出高、中、低3种假设；对未来教育水平提出快速发展、全球趋势发展、恒定入学率3种假设，模型参数设定的具体过程见[16]。
中等假设意味着维持当前的社会经济水平继续发展。生育率考虑相关文献中对于中国妇女生育意愿[26-27]和“二孩”政策后人口变化[28-29]的研究，认为中国总和生育率将在“二孩”政策提出后有小幅度提高[30]，到2019年达到峰值1.9，后将逐渐稳定至1.8[31-32]，各省按2010年总和生育率与全国的比值相应折算；死亡率基于全球条件收敛模型的输出结果和IIASA的专家组开展的参数评估[33-34]，认为2050年以前居民预期寿命每10年增加2岁，2050年以后每10年增加1岁；迁移率设定为按照当前水平各省净迁移保持不变。
高等/低等假设下，生育率设定基于41个低生育率国家人口数据和统计模型输出结果，最终由170余位专家进行评估得出[35-36]，认为从2010年开始较中等假设逐渐增加/减少，至2030年分别较中等假设高/低20%，至2050年分别高/低25%，并在之后维持这一差异；死亡率设定基于模型中不同国家死亡率的差异，认为人均寿命较中等假设每10年增加/减少1岁；迁移率设定基于全球迁入和迁出矩阵的预估研究[37]，认为高等假设下迁移人口在3个5年内逐渐增加至2010年水平的两倍，之后将保持不变，低等假设下逐渐减少为0。
未来不同的教育水平定义如下：快速发展假设认为到2050年逐渐发展至全球教育最发达国家水平，根据联合国报告结果[38]设定为当前韩国教育水平，小学、小学升中学、中学升大学的升学率分别达到1、0.999、0.780，2050年以后保持不变；恒定入学率假设认为维持当前各学历升学率不变，即2010年人口普查结果中的0.962、0.910、0.274；全球趋势发展假设下，升学率是以上两种假设的均值。5种SSPs路径下生育率、死亡率、迁移率和教育水平参数设定详见表 1[13]。
|
表 1 SSPs路径下中国人口预估模型参数 Table 1 Assumptions for the SSPs population projections in China |
全球升温1.5℃和2.0℃出现的时间采用温室气体排放典型浓度路径（RCPs）驱动全球气候模式的结果来确定。本文认为全球升温是某一个时段内全球气温所达到的平均状态，而不是某一年的平均气温达到特定值，选取气温的20年滑动平均值确定升温幅度（图 1)。全球升温控制在1.5℃是《巴黎协定》中提出的最高的、也是最难实现的目标，需要付出最大的减排努力。本文研究选取5个全球气候模式，每个模式包括4个典型浓度路径（RCP2.6、RCP4.5、RCP6.0、RCP8.5)。选取温室气体排放最低的RCP2.6情景，用于确定全球升温1.5℃出现的时间。模式集合结果显示RCP2.6情景下全球升温将在2029年左右首次达到1.5℃并保持在1.5℃上下，即2020—2039年全球平均气温能够稳定达到较工业革命前升温1.5℃。与之相对应的，SSP1和SSP4两种共享社会经济路径下，面临较低的气候变化减缓挑战，与1.5℃升温控制目标相适应。
|
图 1 2006—2100年全球平均气温相对于工业革命前升温幅度（20年滑动平均） Figure 1 The global mean temperature changes (2006-2100) relative to the pre-industrial level (moving average of 20 years) |
控制升温2.0℃是《巴黎协定》中达成的目标，鉴于RCP2.6情景下全球升温较工业革命前达不到2.0℃，选取中等排放的RCP4.5情景用于确定全球升温2.0℃出现的时间。RCP6.0和RCP8.5情景下升温较快，与《巴黎协定》目标不相符，未进行考虑。全球升温集合结果显示，2049年左右全球气温较工业革命前升温达到2.0℃并保持在2.0℃以上。本文选取2040—2059年全球升温控制在2.0℃时，在具有较高气候变化减缓挑战的SSP2、SSP3、SSP5路径下，研究中国各省人口格局。
2 升温控制在1.5℃和2.0℃时人口格局 2.1 人口结构全球升温控制在1.5℃对应的SSP1和SSP4路径下，2025—2030年中国人口将达到峰值，人口数量约为13.9亿；全球升温2.0℃对应的SSP2、SSP3和SSP5路径下，2030—2035年中国人口总数约为14.1亿，达到人口峰值。对比全球升温1.5℃和2.0℃时，中国人口年龄、性别结构（图 2）可以看出，升温1.5℃时，人口结构较2010年已经发生很大改变。人口最多的年龄段由2010年时的15~49岁变为35~69岁，占总人口的52%左右。SSP1和SSP4两种路径的人口结构基本相同，与2010年相比总人口增加了0.5亿人左右，其中15岁以下少儿人口和16~59岁的劳动力人口有所减少，60岁以上老龄人口则增加1倍以上。这两种路径下的差异主要在受教育水平，SSP1路径下教育发展更快，20~24岁年龄段中大学以上教育水平人口达42%。
|
图 2 全球升温1.5℃和2.0℃时中国人口结构 Figure 2 Population structure under global warming of 1.5℃ and 2.0℃ in China |
全球升温控制在2.0℃时，不同社会经济发展路径的人口结构差异逐渐显现。生育率的不同直接影响45岁以下的人口。SSP5路径下生育率低，新生人口较少，人口逐渐减少；SSP3路径下0~44岁各年龄段人数减少，人口总数呈增加趋势；SSP2路径介于两者之间。死亡率差异主要影响49岁以上人口，有较高适应挑战的SSP2和SSP3路径下老龄人口相对较少。与2010年相比，升温2.0℃时SSP2和SSP3路径下人口增加，分别达到13.6亿和14.1亿人，SSP5路径下有所减少，主要受低生育率的影响。从教育水平上看，升温2.0℃时各路径下教育发展差异十分显著，SSP3路径下的大学以上人口占总人口的17%左右；在SSP5路径下这一比重将达到26%。
2.2 人口分布中国东西部区域经济和资源环境差异较大，各省的经济增长、产业结构有着不同特征。人口分布和迁移受到历史、自然、社会等综合因素长期影响。在不同社会经济发展路径下，人口表现出不同的变化特征（图 3)。河南、广东、广西3个省份人口总量峰值将超过1亿人，在SSP3路径下，广西人口总数最多，将达到1.13亿。其他路径下，广东省人口总数最多，将达到1.53亿。大部分省份在高化石燃料消耗的SSP3和以经济发展为主的SSP5路径下达到人口峰值。经济发达的华东地区及北京、广东、天津等省（市）在SSP5路径下人口总数最多，在这一路径下考虑的是高迁移率，发达地区吸引着更多人口迁入；其他大部分地区在SSP3路径下达到峰值，这一路径下生育率高，但不考虑迁移率；东北地区受到其极低的生育率的影响，不同路径下人口总数持续减少。从人口总数达到峰值的年份来看，全球升温达到1.5℃和2.0℃的时间，同时也是大部分省份人口达到峰值的时间。其中华北、华中、华东地区人口峰值大多出现在全球升温1.5℃时，而华南地区多出现在升温2.0℃时。在SSP2和SSP3路径下，华中、华南、西南、西北部分地区人口可能出现持续增加的趋势，而在SSP5路径下，上海市和浙江省人口将会持续增长。
|
图 3 中国各省人口峰值、达到峰值的SSP路径和年份 Figure 3 The peak of provincial population and its year under different SSPs in China |
与2010年相比，全球升温1.5℃和2.0℃时各省人口变化如图 4所示。全球升温1.5℃时，SSP1路径下除了东北地区和四川、安徽省外，全国大部分省（市）人口均较2010年有所增加。SSP4路径下分布与SSP1相似，但在华中、华北部分地区呈现减少趋势，两种路径下，广东省仍为全国人口最多的省份，广东、新疆、宁夏、浙江和天津等省（市）增加幅度超过了10%。
在全球升温2.0℃时，部分地区人口由增加变为减少。西北、西南和东南沿海大部分地区在各种路径下均保持了较高的人口增长，东北三省、内蒙古、陕西、山东和四川等地区人口则在持续减少。其中低生育率、死亡率，高迁移率的SSP5路径下，西北、西南和以东南沿海地区为主的发达省份人口有所增加，这类省份人口流动多以迁入为主，在这一高迁移率路径下获得更多外来人口，迅速补充低生育率带来的人口不足，而在其他人口迁出为主的省份，低生育率和高迁移率共同影响，使人口大幅减少，东北地区和四川省减少幅度都超过了20%；与之相反的SSP3路径下，高生育率使人口减少的幅度有所缓解，但这一路径下迁移率低，以人口迁入为主的北京、天津、山东、江苏、浙江等地，生育率低，又缺乏外来人口补充，人口呈现减少的趋势；SSP2为中等发展路径，人口的变化与分布介于SSP3与SSP5路径之间。
|
图 4 全球升温1.5℃和2.0℃时中国各省人口较2010年变化 Figure 4 Demographic changes under global warming of 1.5℃ and 2.0℃ compared to 2010 in China |
老龄化问题是当前中国面临的人口问题之一。全球升温1.5℃和2.0℃时，各省人口老龄化差异显著（图 5)。中国65岁以上老龄人口呈现东北高、西南低的分布特征。全球升温1.5℃时，中国老龄人口比重约为20.1%，大部分地区老龄人口比重在30%以下。SSP1和SSP4路径老龄人口空间分布相似，老龄人口比重较高的区域位于东北，东北三省老龄人口比重均超过25%；西北、西南、华南和华北部分地区老龄人口较少。升温2.0℃时，与1.5℃相比，各省老龄化均呈现加重趋势；其中SSP5路径老龄化最为严重；东北地区原本生育率较低，在这一路径下生育率进一步降低，同时死亡率下降，人均寿命增加，并伴随着劳动力的迁出，老龄人口比重接近50%；在四川、重庆、湖北、内蒙古等省份，虽然居民生育率相对较高，但是大量劳动力持续迁出，也导致了老龄人口比重的增加，这些省份老龄人口比重超过40%。SSP2路径下，大部分省份老龄人口超过25%，由于生育率的提高，多数地区老龄化问题有所缓解，但内蒙古、四川等省份和东北地区人口老龄化依然严重，同时，北京、天津、江苏和上海这4个省（市）的老龄人口保持了较高的比重，除了医疗水平发达，居民寿命高的原因，也与迁入人口的减少导致的劳动力减少有关。SSP3路径下，大部分地区老龄人口低于30%，这一路径下生育率高，且不考虑人口迁移，西南、西北地区，以及安徽、江西等省份新生人口多，劳动力充足，老龄人口比重较其他路径下略有降低，仅北京、上海、天津等依赖劳动力输入的省份和生育率水平严重偏低的东北地区保持较高的老龄化趋势。
|
图 5 全球升温1.5℃和2.0℃时中国各省65岁以上老龄人口比重 Figure 5 Percentage of elderly population over 65 years old under global warming of 1.5℃ and 2.0℃ in China |
本文对比分析了《巴黎协定》全球升温控制在1.5℃和2.0℃时中国分省人口分布及其变化特征。研究以中国第六次人口普查数据为基础，改进和率定了人口预估模型的各省人口参数，预估了5种共享社会经济路径下中国分年龄、性别、教育水平、省份的人口结构。研究中不同升温时的人口格局基于不同的RCP和SSP路径组合，升温1.5℃时人口格局所采用的SSP1和SSP4路径均具有较低温室气体排放，因而是面临低的气候变化减缓挑战的路径，与低排放的RCP2.6情景相适应，这两种路径下减少使用传统化石燃料，重视新能源的利用，在控制升温的同时带来相应的社会经济和人口格局；升温2.0℃时所采用的SSP2、SSP3、SSP5多为以化石燃料发展为主的路径，面临较高的气候变化减缓挑战，与中等排放的RCP4.5路径相适应。采用不同社会经济发展模式，中国社会将呈现不同的人口分布格局。文章的主要结论如下。
(1) 中国总人口先增加后减少。控制全球升温1.5℃时，人口在2025—2030年达到峰值，约13.9亿，与2010年相比人口总数增加0.44亿人，其中15岁以下少儿人口和16~59岁的劳动力人口有所减少，60岁以上老龄人口则增加1倍以上。这一时段仍受到当前人口惯性的影响，各路径间人口结构差异较小。控制全球升温2.0℃时，中国人口在2030—2035年达到14.1亿的峰值。不同社会经济发展路径下的人口结构差异变大，SSP2和SSP3路径下与2010年相比，人口总数分别增加0.23亿和0.67亿人；SSP5路径下人口减少约0.12亿人。不同社会经济发展路径间的人口和教育水平有所差异。升温2.0℃时，SSP2、SSP3和SSP5路径下的大学以上人口分别占总人口的17%、21%和26%。
(2) 5种共享社会经济路径下，大部分省份人口总数将在升温1.5℃和2.0℃的时间内达到峰值。经济较发达的华东地区及北京、广东、天津等省（市）在SSP5路径下人口达到峰值，该路径各省人口迁移率高，经济发达地区吸引更多人口迁入；其他大部分地区在SSP3路径下达到峰值，此路径生育率高，新生人口多，人口增长快；东北地区受到极低生育率的影响，不同路径下的人口总数持续减少。
(3) 不同升温背景下各省人口有所差异。全球升温1.5℃时，中国大多数省（市）人口均较2010年增加，仅东北地区、四川和安徽省人口略有减少，广东省仍为人口最多的省份。在全球升温2.0℃时，西北、西南和东南沿海大部分地区在不同路径下均保持较高的人口增长，东北三省、四川和内蒙古地区人口持续减少。之前生育率较高，人口以迁出为主的省份在SSP3路径下，人口增长较快，主要原因是生育率高，省与省间人口迁移减少。而之前生育率和死亡率较低、人口以迁入为主的省份在SSP5路径考虑高迁移率下获得更多外来人口，迅速补充低生育率带来的人口不足，同时较好的医疗水平使得居民寿命增加，人口总数较多。
(4) 中国65岁以上老龄人口比重呈现东北高、西南低的分布特征。全球升温1.5℃时，SSP1和SSP4路径下中国老龄人口比重约为20.1%，东北地区人口老龄化最为严重。升温2.0℃时，与1.5℃相比，各省老龄化都呈现了加重的趋势，其中SSP5路径最为严重，65岁以上中国老龄人口比重达到36%，其中，东北地区因出生率低老龄人口比重接近50%。四川、重庆、湖北、内蒙古等地大量劳动力持续输出，老龄人口比重达到40%以上，SSP2路径下，由于生育率的提高，多数地区老龄化问题有所缓解，但内蒙古、四川和东北地区人口老龄化依然严重，同时，北京、天津、江苏和上海这4个省（市）的老龄人口也保持了较高的比重，除了医疗水平发达、居民寿命高的原因外，也受到迁入人口减少导致的劳动力减少的影响。SSP3路径下，大部分地区老龄人口低于30%，仅北京、上海、天津等依赖劳动力输入的省份和生育率水平严重偏低的东北地区保持较高的老龄化趋势。
两种升温背景下人口数差异不大，但在升温1.5℃时劳动力人口占人口总量的大多数，这一阶段下劳动力充足，老龄化比重相对较低，面临较小的抚养和赡养压力；各地区间没有大范围的人口迁移，但也相对开放，交流密切，人口向经济发达、就业机会大的地区集中。尤其在1.5℃-SSP1路径下，高的社会经济发展和低的气候变化减缓挑战使居民生活水平有较大的提高，教育和医疗水平发展迅速，呈现良好的发展态势。综上所述，采用SSP1的绿色和可持续发展路径，抑制全球升温幅度，将升温控制在2.0℃之内，争取控制在1.5℃之内是中国未来社会经济发展的道路选择。
确定升温时间所采用的RCPs路径与人口预估所基于的SSPs路径相互影响、相互反馈。SSPs路径的建立基于不同的温室气体排放假设，同时SSPs路径下的社会经济变化也将作为重要参数带入RCPs路径新的模拟试验。
| [1] |
IPCC. Climate change 2013: the physical science basis[M]. Cambridge: Cambridge University Press, 2013.
|
| [2] |
IPCC. Climate change 2014: impacts, adaptation, and vulnerability[M]. Cambridge: Cambridge University Press, 2014.
|
| [3] |
曹丽格, 方玉, 姜彤, 等. IPCC影响评估中的社会经济新情景(SSPs)进展[J]. 气候变化研究进展, 2012, 8(1): 74-78. |
| [4] |
van Vuuren D P, Riahi K, Moss R, et al. A proposal for a new scenario framework to support research and assessment in different climate research communities[J]. Global Environmental Change, 2012, 22(1): 21-35. DOI:10.1016/j.gloenvcha.2011.08.002 |
| [5] |
O'Neill B C, Kriegler E, Riahi K, et al. A new scenario framework for climate change research: the concept of shared socioeconomic pathways[J]. Climatic Change, 2014, 122(3): 373-386. DOI:10.1007/s10584-013-0906-1 |
| [6] |
Fujimori S, Kainuma M, Masui T, et al. The effectiveness of energy service demand reduction: a scenario analysis of global climate change mitigation[J]. Energy Policy, 2014, 75: 379-391. DOI:10.1016/j.enpol.2014.09.015 |
| [7] |
Dellink R, Chateau J, Lanzi E, et al. Long-term economic growth projections in the shared socioeconomic pathways[J]. Global Environmental Change, 2015, 6(4): 1-15. |
| [8] |
Hegre H, Buhaug H, Calvin K V, et al. Forecasting civil conflict along the shared socioeconomic pathways[J]. Environmental Research Letters, 2016, 11(5): 054002. DOI:10.1088/1748-9326/11/5/054002 |
| [9] |
Fujimori S, Hanasaki N, Masui T. Projections of industrial water withdrawal under shared socioeconomic pathways and climate mitigation scenarios[J]. Sustainability Science, 2016, 1-18. |
| [10] |
Scherbov S, Lutz W, Sanderson W C. The uncertain timing of reaching 8 billion, peak world population, and other demographic milestones[J]. Population & Development Review, 2011, 37(3): 571-578. |
| [11] |
Lutz W, KC S. Global human capital: integrating education and population[J]. Science, 2011, 333(6042): 587-592. DOI:10.1126/science.1206964 |
| [12] |
Jiang L. Internal consistency of demographic assumptions in the shared socioeconomic pathways[J]. Population & Environment, 2014, 35(3): 261-285. |
| [13] |
KC S, Lutz W. The human core of the shared socioeconomic pathways: population scenarios by age, sex and level of education for all countries to 2100[J]. Global Environmental Change, 2014, 28(1): 15-18. |
| [14] |
Lutz W, Butz W P, KC S. World population and human capital in the twenty-first century[M]. Oxford: Oxford University Press, 2014.
|
| [15] |
张杰, 曹丽格, 李修仓, 等. IPCC AR5中社会经济新情景(SSPs)研究的最新进展[J]. 气候变化研究进展, 2013, 9(3): 225-228. |
| [16] |
姜彤, 赵晶, 景丞, 等. IPCC共享社会经济路径下中国分省人口变化预估[J]. 气候变化研究进展, 2017, 13(2): 128-137. DOI:10.12006/j.issn.1673-1719.2016.249 |
| [17] |
Warszawski L, Frieler K, Huber V, et al. The inter-sectoral impact model intercomparison project (ISI-MIP): project framework[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(9): 3228-3232. DOI:10.1073/pnas.1312330110 |
| [18] |
Schleussner C F, Lissner T K, Fischer E M, et al. Differential climate impacts for policy-relevant limits to global warming: the case of 1.5℃and 2.0℃[J]. Earth System Dynamics Discussions, 2015, 6(2): 2447-2505. DOI:10.5194/esdd-6-2447-2015 |
| [19] |
Rogers A. Introduction to multiregional mathematical demography[M]. New York: John Wiley, 1975.
|
| [20] |
Lutz W. Population-development-environment: understanding their interactions in Mauritius[J]. Population, 1995, 50(2): 525-526. DOI:10.2307/1534221 |
| [21] |
Cao G Y, Lutz W. China's future urban and rural population by level of education [R/OL]. 2016 [2016-01-20]. http://pure.iiasa.ac.at/7255
|
| [22] |
Goujon A, Alkitkat H, Lutz W, et al. Population and human capital growth in Egypt: projections for governorates to 2051 [R/OL]. 2007 [2016-10-28]. http://pure.iiasa.ac.at/8445
|
| [23] |
孟令国, 李超令, 胡广. 基于PDE模型的中国人口结构预测研究[J]. 中国人口·资源与环境, 2014, 24(2): 132-141. |
| [24] |
程常青. 全面放开二孩政策下邯郸人口趋势研究:基于PDE(人口-发展-环境分析)模型[J]. 统计与管理, 2016(8): 44-45. |
| [25] |
KC S, Lutz W. Demographic scenarios by age, sex and education corresponding to the SSP narratives[J]. Population & Environment, 2014, 35(3): 243-260. |
| [26] |
王军, 王广州. 中国育龄人群的生育意愿及其影响估计[J]. 中国人口科学, 2013, 4: 26-35. |
| [27] |
庄亚儿, 姜玉, 王志理, 等. 当前我国城乡居民的生育意愿:基于2013年全国生育意愿调查[J]. 人口研究, 2014, 38(3): 3-13. |
| [28] |
李新运, 徐瑶玉, 吴学锰. "单独二孩"政策对我国人口自然变动的影响预测[J]. 经济与管理评论, 2014, 6: 47-53. |
| [29] |
齐美东, 戴梦宇, 郑焱焱. "全面放开二孩"政策对中国人口出生率的冲击与趋势探讨[J]. 中国人口·资源与环境, 2016, 26(9): 1-10. |
| [30] |
王广州. 生育政策调整研究中存在的问题与反思[J]. 中国人口科学, 2015, 29(2): 2-15. |
| [31] |
翟振武, 李龙, 陈佳鞠. 全面两孩政策对未来中国人口的影响[J]. 东岳论丛, 2016, 37(2): 77-88. |
| [32] |
国家人口发展战略研究课题组. 国家人口发展战略研究报告[M]. 北京: 中国人口出版社, 2007.
|
| [33] |
KC S, Potancokova M, Bauer R, et al. Summary of data, assumptions and methods for new Wittgenstein centre for demography and global human capital (WIC) population projections by age, sex and level of education for 195 countries to 2100 [R/OL]. 2013 [2013-01-15]. http://pure.iiasa.ac.at/10742
|
| [34] |
Caselli G, Drefahl S, Luy M, et al. Future mortality in low-mortality countries, Vienna institute of demography working papers, No. 06/2013[M]. Oxford: Oxford University Press, 2013.
|
| [35] |
Basten S, Sobotka T, Zeman K. Future fertility in low fertility countries, Vienna institute of demography working papers, No. 5/2013 [M/OL]. Oxford: Oxford University Press, 2013. 2013 [2016-08-13]. http://hdl.handle.net/10419/97012
|
| [36] |
Fuchs R, Goujon A. The future fertility of high fertility countries: a model incorporating expert arguments [R/OL]. 2013 [2013-10-15]. http://pure.iiasa.ac.at/10747
|
| [37] |
Abel G J. Estimating global migration flow tables using place of birth data[J]. Demographic Research, 2013, 28(2): 505-546. |
| [38] |
United Nations. World population prospects: the 2010 revision[M]. New York: Department of Economic and Social Affairs, Population Division, 2011.
|
2. National Climate Center, China Meteorological Administration, Beijing 100081, China;
3. State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, China;
4. University of Chinese Academy of Sciences, Beijing 100049, China;
5. Chinese Academy of Meteorological Sciences, Beijing 100081, China;
6. School of Construction Engineering and Environment Research, Ningbo University, Ningbo 315211, China