Differentiation of population density within a large city to identify the level of anthropogenic load (on the example of Belgorod)

Cover Page

Cite item

Full Text

Abstract

Residential areas occupy a special place in the planning structure of the city. The building density and the number of floors of houses have an impact on the architectural appearance of the city and the concentration of the population. However, the high population density indicates a significant pressure on the natural framework. The main objective of this article is to show the differences and heterogeneity of population density within the residential area of the city of Belgorod. To accomplish this task, a methodology for determining the population density in the private sector and blocks of high-rise buildings was developed. Using statistical data, the population of all apartment buildings is plotted on the map of the city, then, the city is divided into polygons that make up the residential area. The article proposes a methodological approach that allows taking into account the heterogeneity of the residential area – the private sector and high-rise buildings. The availability of statistical information on the number of registered residents of apartment buildings and the average size of a household made it possible to complete the task with a high percentage of accuracy. The results of this study do not take into account the migration of temporarily registered residents, students from other cities, etc. The population of the city, determined during the study, was 333,692 people, which is less than the result of the 2020 census (339,978 people); the accuracy of the study is 98.15%. More likely, this inaccuracy is due to the lack (or untimely updating) of the statistical information on new buildings. As a result, maps of population density and population distribution were constructed. The city is divided into areas that stand out due to the heterogeneity of the urban environment and the dominant mode of settlement. Through the analysis of the cartographic material, the features of the concentration and resettlement of the population were revealed. The approximate number of the population of the private sector and the main areas of settlement has been calculated.

About the authors

Pavel Igorevich Razenkov

Belgorod State University

85 Pobedy St., Belgorod 308015, Russia

Andrey Gennadievich Kornilov

Belgorod State University

85 Pobedy St., Belgorod 308015, Russia

References

  1. Tian C. X., Liu X. C., Yang Y., Zhu G. Q. Evaluation and Analysis of Quantitative Architectural Space Index Based on Analytic Hierarchy Process // Computational Intelligence and Neuroscience. 2022. Vol. 2022. P. 1–8. https://doi.org/10.1155/2022/4911589
  2. Круглов Ю. В., Стецурина Е. С., Снежкина О. В. Исследование и статистическое моделирование расселения населения // Вестник СибАДИ. 2013. Т. 2, вып. 30. С. 62–67.
  3. Петин А. Н., Корнилов А. Г., Назаренко Н. В., Гуляева Т. В., Жеребенко Ю. С., Федорченко Н. П. Функциональное зонирование земель населенных пунктов Белгородской области // Проблемы региональной экологии. 2009. Вып. 5. С. 266–271. EDN: LAKOTP
  4. Zheng H. W., Shen G. Q., Song Y., Sun B., Hong J. Neighborhood sustainability in urban renewal: An assessment framework // Environment and Planning and Design. 2016. Vol. 44. P. 903–924. https://doi.org/10.1177/0265813516655547
  5. Жукова В. В. Уровень освоенности территории как база устойчивого развития экономики региона // Региональная экономика: теория и практика. 2012. Вып. 42. С. 50–55.
  6. Фаронова Ю. В., Ахунов А. Р., Тельнова Т. П., Литвинова С. А., Халилова А. Б. Географическая экспертиза плотности населения Российской Федерации // Успехи современного естествознания. 2021. Вып. 4. С. 91–96. https://doi.org/10.17513/use.37613 , EDN: YZAXQZ
  7. Витюгов В. Д., Серватинский В. В., Лукьянов В. Д., Саенко И. А. Оценка плотности населения произвольной территории города посредством использования ГИСтехнологий и открытых данных // Глобальный научный потенциал. 2019. Вып. 4. С. 162–165. EDN: LANGDZ
  8. Chenxin L., Yu Y., Bingsheng C., Tianyu C., Fan S., Jingfang F., Ruiqi L. Revealing spatiotemporal interaction patterns behind complex cities // Chaos (Woodbury, N. Y.). 2022. Vol. 32. Article number 081105. https://doi.org/10.1063/5.0098132
  9. Sandro M. R., Suresh P., Rao C., Satish V. U. Modeling the dynamics and spatial heterogeneity of city growth // Urban Sustainability. 2022. Vol. 31. P. 1–10. https://doi.org/10.1038/s42949-022-00075-9
  10. Чугунова Н. В., Полякова Т. А., Игнатенко С. А., Лихневская Н. В. Пространственно-временное развитие Белгородской агломерации в условиях глобальных процессов урбанизации // Экономика. Информатика. 2015. Вып. 7. С. 23–29. EDN: UMLHYZ
  11. Богославец Д. М. Анализ подходов к стратегическому планированию агломераций // Вестник Московского университета имени С. Ю. Витте. Серия 1, Экономика и управление. 2015. Вып. 2. С. 52–58. EDN: UJXFCZ
  12. Полякова Т. А. Состояние и оценка функциональнопланировочной структуры крупного города (на примере г. Белгорода): автореферат диссертации … кандидата географических наук. Краснодар, 2011. 23 с.
  13. Разенков П. И., Лопина Е. М., Шульгин В. М., Жидких Д. В. Функционально-планировочное зонирование города как инструмент социально-экономического развития и геоэкологической оценки // Московский экономический журнал. 2021. Вып. 10. С. 73–86. EDN: EZUTAH
  14. Sarkar S., Wu H., Levinson D. M. Measuring polycentricity via networkflows, spatial interaction and percolation // Urban Studies. 2019. Vol. 57. P. 2402–2422. https://doi.org/10.1177/0042098019832517
  15. Yanming L., Fangye J. Spatial and temporal distribution of population in urban agglomerations changes in China // Scientific Reports. 2022. Vol. 12. Article number 8315. https://doi.org/10.1038/s41598-022-12274-6
  16. База данных показателей муниципальных образований. Белгородская область. URL: https://gks.ru/dbscripts/munst/munst14/DBInet.cgi. Загл. с экрана. - Яз. рус. (дата обращения: 13.12.2022).
  17. Всероссийская перепись населения 2020. URL: https://rosstat.gov.ru/vpn_popul. Загл. с экрана. - Яз. рус. (дата обращения: 13.12.2022).
  18. Жилой фонд и многоквартирные дома в Белгороде. URL: https://gosjkh.ru/houses/belgorodskaya-oblast/belgorod?page=52. Загл. с экрана. - Яз. рус. (дата обращения: 13.12.2022).
  19. Информация о домах Белгорода. URL: https://domreestr.ru/belgorodskaya-oblast/belgorod/. Загл. с экрана. - Яз. рус. (дата обращения: 13.12.2022).
  20. Управляющие компании г. Белгорода – найти по адресу дома. URL: https://dominfo.org/uk/region/belgorodskayaoblast/belgorod. Загл. с экрана. - Яз. рус. (дата обращения: 13.12.2022).
  21. Мачерет Д. А. Роль плотности, мобильности населения и перемещения материальных благ в разных концепциях экономического роста // ВТЭ. 2021. Вып. 4. С. 50–78. https://elibrary.ru/doi_resolution.asp?doi=10%2E52342%2F2587-7666VTE_2021_4_50_78 , EDN: YGNSKJ
  22. Hang R., Wei G., Zhenke Z., Leonard M. K., Priyanko D. Population Density and Spatial Patterns of Informal Settlements in Nairobi, Kenya // Sustainability. 2020. Vol. 12. P. 7717. https://doi.org/10.3390/su12187717
  23. Казаков С. Г. Вернакулярное районирование города Курска как метод изучения дифференциации городского пространства // Ученые записки: научный журнал Курского государственного университета. 2009. Т. 3, вып. 11. С. 1–4. EDN: KVTRKH
  24. Зубаревич Н. В. Города как центры модернизации экономики и человеческого капитала // Общественные науки и современность. 2010. Вып. 5. С. 5–19. EDN: MUQZDX
  25. Xiu-Juan Q., Yizhi L., Jing F. Evaluating the Landscape Quality of Residential Communities: A Case Study of the Chinese City Yangling // Land. 2022. Vol. 12. P. 57. https://doi.org/10.3390/land12010057

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».