中国各省人口规模、分性别、年龄、教育程度预测(2010-2100)

中国各省人口规模、分性别、年龄、教育程度预测(2010-2100)

时间:2010-2100

数据来源:清华大学环境学院王灿、地学系蔡闻佳课题组

数据引用格式:Y Chen, F Guo, J Wang, W Cai, C Wang & K Wang. Provincial andgridded population projection for China under shared socioeconomic pathwaysfrom 2010 to 2100. Scientific Data. 2020, 7, 83.

具体指标包括:

1.总人口数量

5种SSPs情景下的人口数量

SSPs情景设计了可持续发展路径(SSP1)、中间路径(SSP2)、区域竞争路径(SSP3)、不均衡路径(SSP4)、以传统化石燃料为主的路径(SSP5)等5种社会经济发展路径。

The SSPs weredeveloped to describe future societal and environmental changes. The five SSPs (SSP1: sustainability; SSP2: middle of the road; SSP3: regional rivalry; SSP4: inequality; and SSP5: fossil‐fuel development) represent differentcombinations of challenges to adaptation and mitigation that can reflectpossible future socioeconomic developments

2.分性别、年龄和教育程度的人口数量

两个性别组(M为男,F为女),七个教育水平(E0 = 文盲,E1= 小学,E2 = 初中,E3 = 高中,E4 = 大学专科,E5 = 大学本科,E6 = 硕士及以上),101个年龄组(0、1、2...99、100+)。

3.网格化人口数据

逐年的每个RCP-SSP情景下的未来空间人口网格数据存储为 GeoTIFF 文件 (.tif),可用Arcgis、R语言等软件打开。

以下为该数据集的相关介绍:

此数据集针对中国情景,构建了具有年龄、性别、教育水平详细人口属性的次国家级人口预测数据,及相应的网格化数据集。

该数据以五种共享社会经济发展路径(SSPs)情景故事线为基础,在考虑国家生育政策和超大城市人口上限政策的基础上,估算了SSPs情景下2010至2100年中国31个省份,逐年的人口数量、年龄、性别及受教育水平等人口要素信息,建立了1km空间分辨率的网格化人口数据集,弥补了中国分省及网格化数据的空缺,以满足高空间分辨率的研究需求。

SSP是为了描述未来的社会和环境变化而制定的。五个SSP(SSP1:可持续性;SSP2:道路中间;SSP3:区域竞争;SSP4:不平等;SSP5:化石燃料开发)代表了适应和减缓挑战的不同组合,可以反映未来可能的社会经济发展(O'Neill等人,2014年,2017年)。

数据集包含SSP1-5下2020-2100年全球、“一带一路”地区和中国等城市和农村的人口和GDP格点预估数据,分辨率为0.5°*0.5°,以及中国区域的第一、第二和第三产业产值格点预估数据,分辨率为0.1°*0.1°。

研究团队采用人口-发展-环境(PDE)模型和柯布-道格拉斯(Cobb-Douglas)模型,通过历史时期生育率、死亡率、迁移率、教育水平等,和资本存量、全要素生产率、劳动力水平等率定和验证了人口和经济模型参数,在全球SSPs框架下,开展了SSP1-5下2020-2100年中国分城乡的人口和分产业的经济预估,并构建了最新的“一带一路”区域和全球人口和经济预估数据。

2010年为了科学支撑政府间气候变化专门委员会(IPCC)第五次评估报告、藕合模式国际比较计划第五阶段(CMIP5)和影响模式国际比较计划(ISI-MIP),促进气候变化科学基础、影响和风险、适应和减缓的发展,由IPCC第二和第三工作组的科学家承担了 SSPs情景的设计研究。SSPs情景既要反映全球和区域发展现状和未来可能的发展变化,又要反映未来社会面临的气候变化适应和减缓挑战。 每一个SSPs情景需要涵盖人口和人力资源、经济发展、生活方式、人类发展、环境与自然资源、政策和机制、技术发展对7个方面内容。SSPs情景设计了可持续发展路径(SSP1)、中间路径(SSP2)、区域竞争路径(SSP3)、不均衡路径(SSP4)、以传统化石燃料为主的路径(SSP5)等5种社会经济发展路径。

人口和经济是SSPs情景设计中最重要的基础,也是最为关键的要素。人口和经济变化数据可以用来驱动综合评估模型(IAM),模拟和预估与SSPs相关的土地利用、能源和碳排放变化过程和发展趋势。目前,SSPs情景已经广泛用于藕合模式国际比较计划第六阶段(CMIP6)和影响模式国际比较计划(ISI-MIP 3b)等国际计划, 和今年发布政府间气候变化专门委员会(IPCC)第六次评估报告,以及气候变化对自然、人类和管理的系统,包括生态系统、农业、海洋和海岸带系统、水资源、能源、经济和碳排放路径等,影响和关键风险评估,促进了气候变化科学基础、影响、风险、适应和减缓研究。

下载链接:https://bbs.pinggu.org/thread-11411427-1-1.html

猜你喜欢

转载自blog.csdn.net/kawhi_li2019/article/details/129951122
今日推荐