伊拉克索兰地区人口预测与气候-人口统计关联：一项探索性时间序列分析

《Dermatopathology》：Population Forecasting and Climate–Demography Association in Soran, Iraq: An Exploratory Time-Series Analysis

　　

摘要：半干旱环境中快速的城市人口扩张对可持续规划构成了相当大的挑战，尤其是在环境约束下发生人口增长的情况下。本研究考察了伊拉克库尔德斯坦地区索兰区中心气候变率与人口变化之间的统计关联，并开发了一个预测未来人口趋势的探索性框架。研究使用索兰独立行政管理局统计局编制的2010–2024年官方年度人口序列（15个观测值），以及索兰农业气象站2015–2024年的月度气象记录。人口记录的两种属性决定了从中可以推断出的内容。2010–2023年的数值为普查间估计值，可由单一递减增长规则以0.10%以内的精度重现，因此在该段上获得的拟合优度统计量衡量的是与插值规则的一致性，而非预测能力；2024年的数值来源于2024年普查轮次，相对于每年2.0%的趋势代表了+18.4%的水平位移——178个残差标准差——而非一年的增长。在十二种气候-滞后组合中去趋势、滞后斯皮尔曼相关分析（Spearman correlation）均未产生经Holm–Bonferroni校正后仍显著的关联；由于2024年前的数值经过行政平滑处理，这被报告为现有数据无法解析气候-人口统计关联，而非独立性的证据。在相同的滚动原点交叉验证下比较了八种规格——朴素、漂移和线性趋势基准、二阶多项式、对数线性趋势、AIC选择的ARIMA以及两种多层感知器（MLP）——每种产生七个一步超前预测。在普查间段上，带漂移的随机游走实现了0.087%的平均绝对百分比误差（MAPE），优于所有拟合规格；在普查折上，每种规格的误差至少为11,663人。因此，所报告的2025–2030年预测以2024年普查水平为锚点，并从其2011–2023年趋势外推增长，得出2025年93,342名居民和2030年101,691名居民（情景范围100,395–104,064），由带2024年阶跃项的ARIMA(0,2,2)以488人以内的精度重现。跨越不连续点拟合的多项式和对数线性趋势预测的2025年数值低于观测到的2024年人口，被报告为规格失败。本研究展示了在数据稀缺的半干旱城市环境中人口预测的潜力和局限性，并表明行政人口序列的来源在实质上约束了此类研究可以提出的主张。

《Dermatopathology》论文解读：伊拉克索兰地区人口预测与气候-人口统计关联的探索性时间序列分析

一、研究背景与问题

城市化是二十一世纪关键的人口转型过程，联合国预测到2050年全球68%的人口将居住在城市地区。在半干旱地区，快速的城市发展对环境承载力构成严重压力，特别是在水资源基础设施和农业可持续性方面。传统上，这一关系通过环境决定论视角审视，即气候直接决定人类定居模式，而古人口学工作确实记录了多世纪时间尺度上气候驱动的人口扩张与收缩循环。然而，在与市政规划相关的短期、近期时间尺度上，社会经济驱动因素如就业机会和区域基础设施可能作为主要拉动因素，潜在地降低了人口扩张对当地环境限制的依赖。检验短期人口增长是否与当地水文气候变率存在统计关联，对于理解半干旱城市中心的人口变化具有现实意义；反之，在气候变率确实约束增长的情况下，忽视这一关系的预测模型可能产生系统性偏差。

在伊拉克库尔德斯坦地区，以往的地理和城市研究主要依赖遥感和GIS分析空间蔓延和土地利用变化，但现有对索兰地区的研究主要集中在土地覆盖转变、地貌特征或更广泛的区域生态系统评估，而很大程度上忽视了定量人口预测及其与当地气候变率的关系。随着索兰迅速演变为伊拉克北部的主要经济和行政中心，仅依赖空间评估留下了关键规划空白。准确的人口预测对可持续资源分配至关重要。传统时间序列模型如ARIMA可以纳入外生趋势和结构断点项，而人口结果已知对环境和社会经济压力呈非线性响应，这推动了多层感知器等机器学习架构在人口动态中的应用。然而，其数据需求和外推行为在数据稀缺情境下需要谨慎评估：ReLU网络在训练输入凸包之外收敛于线性行为，因此其范围外预测由架构而非数据决定。

本研究追求四个目标：评估人口增长与气候变率之间的统计关系，并确定现有序列的来源允许该关系证明什么；开发融合计量经济学和深度学习方法的比较预测框架；在数据稀缺情境下，在相同的滚动原点验证方案下评估候选规格相对于朴素、漂移和线性趋势基准的样本外预测精度；讨论估计人口轨迹对半干旱区域规划的资源规划意义。该论文发表在《Dermatopathology》期刊上。

二、关键技术方法

研究人员采用非参数方法评估人口动态与气象参数之间的潜在关系，使用斯皮尔曼秩相关系数而非皮尔逊相关系数。研究使用索兰独立行政管理局统计局的2010–2024年官方年度人口序列（15个观测值）和索兰农业气象站2015–2024年的月度气象记录。采用滚动原点（扩展窗口）交叉验证方案，产生七个一步超前验证折。对月度站记录应用六条规则的质量保证协议。人口预测任务被框定为仅使用历史人口序列作为输入的单变量趋势外推练习。评估了八种规格：朴素、漂移和线性趋势基准、二阶多项式、对数线性趋势、AIC选择的ARIMA以及两种多层感知器架构。报告预测通过外推2011–2023年年度增长率趋势并从2024年普查水平复利生成。模型比较使用Diebold–Mariano检验。

三、研究结果

3.1 统计诊断与双变量分析：2010–2023年人口值表现为确定性行政构造而非测量序列。年度增长率从2011年的2.701%单调下降至2022年的1.956%，2023年略微回升至2.151%，单一增长率线性趋势以R2=0.882和0.092个百分点的残差标准差解释了这一模式。从2010年基数向前复利该规则可重现每个2010–2023年水平至0.10%以内。2024年观测值偏离同一构造：18.393%的增长率对趋势预期的1.976%，偏差178个残差标准差，与2024年普查轮次取代估计值一致。双变量相关分析中，十二种组合中一种达到名义显著性（滞后0的湿度，ρ=0.78，p=0.013），但未通过多重检验校正。温度与降水呈强烈负相关（ρ=?0.806，p<0.001）。

3.2 预测性能与跨模型比较：在全部七折中，带漂移的随机游走达到最低MAPE（2.05%），线性趋势（2.09%）、大型MLP（2.15%）和二阶多项式（2.17%）紧随其后。在六个普查间折上，漂移模型MAPE为0.087%，线性趋势0.167%，大型MLP 0.211%，多项式0.227%。在第七折——普查年——每种规格误差至少11,663人。

3.3 预测精度的统计显著性：在全部七折中，十五对两两比较无一达到5%显著性水平。在六个普查间折上，八对达到名义显著性，带漂移的随机游走显著优于对数线性趋势和二阶多项式，小型MLP显著差于所有其他规格。

3.5 ARIMA规格的性能：AIC网格搜索选择带2024年普查阶跃项的ARIMA(0,2,2)。在滚动原点验证下性能相对较差（MAPE 4.19%），但拟合全序列时稳定且表现良好：残差诊断通过，估计水平位移12,564人，2025–2030年预测单调且与增长率预测在2030年一致至488人以内。

3.6 跨普查断点的确定性趋势规格：拟合2010–2024年全序列的二阶多项式和对数线性趋势的2025年预测分别为88,083和84,891，比2024年观测人口低3506和6698人。报告预测显示从2024年91,589人持续增长至2030年101,691人，六年增长11.0%，年增长率从1.91%下降至1.60%。

3.7 多项式模型的样本内拟合：拟合2010–2024年全序列时，二阶多项式达到R2=0.925，MAPE 2.14%，RMSE 2388。拟合2010–2023年段时，R2=0.9998，MAPE 0.09%。

3.9 滚动原点样本外性能总结：在普查间折上，每种趋势跟随规格精确到百分之零点几，最精确的是带漂移的随机游走（MAPE 0.087%，MASE 0.041）。在2024年折上，每种规格误差在11,663至17,424人之间。

四、讨论与结论

主要实证发现涉及数据本身和现象本身。十二种变量-滞后组合中，人口增长与当地水文气候变率之间无关联通过多重检验校正。这被报告为现有序列可解析性的限制，而非独立性的证据。预测结果与小型区域人口预测文献的近期发现一致：机器学习方法在短、稀疏人口序列上通常不如传统统计和外推方法准确。研究贡献不在于证明气候-人口统计独立性或建立预测模型，而在于为索兰提供透明可重现的人口基线，并明确说明其行政来源允许什么。三个限制约束了本研究的主张：2010–2023年人口值为普查间估计而非测量；2024年观测值与之前不可比，代表12,564人的水平位移；滚动原点方案仅产生七个样本外测试点。未来研究应优先考虑独立测量的年度人口序列、第二个普查后观测值和真实社会经济指标，以及整合非平稳气候变化预测和高分辨率遥感数据。

研究结论四点：第一，人口增长与温度、降水、湿度和蒸发之间的关联均未通过多重检验校正，这被报告为数据解析能力的限制。第二，人口序列的来源决定了预测结果的含义，带漂移的随机游走以0.087%的MAPE预测普查间段，这些精度描述的是输入序列而非模型。第三，2024年普查轮次引入12,564人的水平位移，无规格可预期，预测锚定普查水平并外推增长率趋势，得出2030年101,691名居民。第四，社会经济代理变量被排除，研究框定为探索性单变量趋势外推练习，贡献在于为快速城市化、数据稀缺的地区建立透明可重现的人口基线。