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:
Zd=Z0e -bd
где Zd — 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:
Рп = Р1 / n &
где Рп — 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.