Теория градообразования

Если нанести на карту изменения плотности населения какого-либо города во времени, то обнаружится, что эти изме­нения «расплываются» и занимают все большую площадь при одновременном уменьшении плотности (толщины слоя).

Функции плотности городского населения. Изучая плот­ность населения во многих десятках городов мира, К. Кларк раз­работал общую модель, в рамках которой происходит уменьше­ние плотности городского населения с увеличением расстояния от центра. Он предположил, что плотность населения можно вы­разить через отрицательную экспоненциальную функцию:

Z_d=Z₀e ^-bd

где Z_d — плотность населения на расстоянии d от центра;

Z0 — константа, соответствующая экстраполированной плотности насе­ления на нулевом расстоянии, т.е. в центре города;

е — основание натурального логарифма (2,718);

b — константа, показывающая скорость уменьшения плотности населения с расстоянием.

Так, при средней плотности населения в центре 1000 человек на 1 км² и b = -1 мы можем ожидать, что на расстоянии 1 км от центра плотность будет составлять 368 человек на 1 кв.км, на рас­стоянии 2 км — 135, на расстоянии 3 км — 50 и т.д. Сопоставляя значения Z0 и b, можно легко сравнивать различные структуры плотности населения в городах. Исследования К. Кларка были продолжены рядом других ученых; их выводы позволяют анали­зировать более сложные функции плотности населения.

Индекс распределения городов. Размещение населенных пунк­тов отличается и по другому критерию, который труднее поддает­ся измерению. Предположим, что в двух регионах средняя плот­ность распределения на них городов почти одинаковая: 5,8 и 6,4 города на 1000 км², но характер их размещения по территории различен. В первом регионе города располагаются в виде сгустков (скученно), а в другом они разбросаны. Для того чтобы измерить степень выраженности этого критерия, географы предложили ис­пользовать так называемый индекс распределения в пространстве (spacing index). Этот индекс позволяет упорядочить различные случаи размещения населенных пунктов от «крайне скученного» до «крайне рассеянного». Значения индекса лежат в пределах от теоретического нуля, когда все населенные пункты концентриру­ются в одной точке, до 2,15 (максимальная величина), когда раз­мещение соответствует системе треугольников.

Индекс ближайшего соседства городов. Рассмотрим терри­ториальное размещение городов. Географы вводят индекс рас­пределения городов в пространстве, сопоставляя наблюдаемое размещение с теоретически вычисленным случайным распреде­лением:

R = D набл. / D ожид.

где R — индекс ближайшего соседства;

D набл — среднее из наблю­даемых расстояний между каждым населенным пунктом и его ближайшим соседом;

D ожид. - ожидаемое среднее расстояние между каждым населенным пунктом и его ближайшим соседом.

Ожидаемое среднее расстояние определяется по формуле:

D ожид. = 1 / (2 x корень из А)

где А — плотность городов на 1 км².

Таким образом, на территории с Д набл. = 3,46 км и А = 0,0243 индекс ближайшего соседства R составит 1,08. Значения R, близ­кие к единице, указывают на случайное распределение. При R > 1 населенные пункты размещены рассеянно, при R < 1 поселения скученны.

Правило «ранг — размер». Используя общепринятый способ определения границ городов, можно выполнить сравнительный анализ их размеров и значимости. Начнем с классификации го­родов по числу жителей. Людность каждого из регионов необходимо сопоставить с его порядковым номером, или рангом, определяемым по численности населения. Географы неоднократно проводили эту операцию с большими и малыми территориями и каждый раз убеждались, что города неукоснительно располагаются в порядке размера.

Сопоставление территориальной дифференциации двух или нескольких явлений с помощью модели регрессии в ряде случаев позволяет количественно определить закономерности их терри­ториального сочетания. Например, таким путем было сформули­ровано эмпирически найденное соотношение между рангом горо­да в системе (т.е. в стране или достаточно обособленном районе) и численностью его населения.

Это соотношение, известное как правило Ципфа, имеет сле­дующий вид:

Р_п = Р₁ / n ^&

где Р_п — численность населения города ранга п;

Р₁ — численность населения самого крупного города региона;

^& — коэффициент иерархизации.

Теперь определим регионы, являющиеся полюсами роста, т.е. центрами притяжения населения. Для этого применим правило «ранг — размер».

Зависимость численности населения города или района ранга п от численности населения крупнейшего города региона опреде­ляется по формуле правила Ципфа. Выполнив необходимые вы­числения, получим в данном случае ^& = 1,1.

Информационная теория глобального развития. При применении информационной теории глобального разви­тия необходимо упомянуть о средних полях информации (СПИ), разработанных Т. Хёгерстрандом в рамках концепции диффузии нововведений. Он предложил различные способы моделирования процессов диффузии, в том числе при взаимодействии националь­ной и мировой экономики. Хёгерстранд использовал принцип вероятностей контакта для на­хождения среднего поля информации, т.е. некоторой территории, или поля, в пределах которого могут осуществляться контакты.