乡镇级人口统计数据空间化的格网尺度效应分析——以义乌市为例

格网尺度效应是统计型人口数据空间化研究的基础性问题之一。针对资源环境研究领域和全球变化区域模型对各种尺度的空间型人口数据的需求,人们对人口数据空间化进行了大量研究。综观现有研究成果,缺乏针对具体应用需求的数据源选择方法和对数据产品适宜性的分析。因此,数据在实际应用中,特别是县市、二、三级流域等尺度上的应用中,存在较多的不确定性。本文重点研究人口数据空间化的格网尺度效应分析方法。以浙江省义乌市为例,利用CBERS、IRS-P5卫星影像,提取了研究区土地利用信息;在地理信息系统技术支持下,对乡镇统计人口进行空间化建模,生成20m至1km系列的格网人口数据;通过比较不同格网人口与乡镇统计人口的误差,分析人口数据空间化的格网尺度效应。分析结果表明,采用CBERS数据源进行人口数据空间化,其数据产品即格网人口的适宜尺度是200m,抽样精度为76%;采用P5数据源进行人口数据空间化,其格网人口的适宜尺度是100m,抽样精度为84%。     

非首都功能疏解背景下北京市人口空间分布形态模拟

本文以北京市2005年和2010年公里网格人口分布数据为基础,运用CA-Markov模型模拟了北京市2015、2020、2025和2030年4期公里网格人口分布数据集;应用街道尺度的人口数据对模拟精度进行了验证;在模型可靠性良好的基础上,从产业疏解推动人口疏解的角度出发,结合北京市各街道各产业从业人口数据、产业疏解方向和中心城区人口疏解目标,确定了北京市各街道人口疏解的权重,并由此预测了2020年北京市中心城区人口疏解15%后的人口空间分布情况。研究表明： ① 2005-2010年,北京市约90%的公里网格人口密度等级为1级,集中在密云区、怀柔区、延庆区和房山区,而人口密度在10级以上的区域集中在西城区和东城区;② 在无人口疏解政策影响下,2015-2030年北京市公里网格人口分布呈现出低人口密度区域减少、中高人口密度区域增加的态势;③ 在人口疏解政策影响下,至2020年,中心城区人口分布从集中于中高密度等级转向集中于中低人口密度等级。中心城区最高人口密度等级的数值呈下降态势,并且高人口密度等级的区域占比也呈下降态势。除东城区外,其余5个中心城区的人口集中于人口密度等级为5-8级的区域。本文的研究成果可为人口管理、资源配置和政策制定提供科学参考。     

人口数据空间化研究进展

人口数据空间化旨在揭示人口在地理空间上的分布位置及数量信息,展现人口统计数据的地理学含义,其研究已经成为人口学、地理学、GIS领域的研究热点。人口空间数据库在各级政府部门的规划和决策、灾害评估、资源配置等方面,具有重要的应用价值和科学意义。经过近30年的发展,人口数据空间化研究水平逐渐成熟,模型丰富多样,已获得众多成果。为把握人口空间化研究的研究现状,本文首先依据研究目的、建模思想及模型原理的异同,从3个方面对人口空间化研究进行梳理：（1）格网大小（尺度）的确定;（2）3种常用建模思想及6类主要模型的对比分析;（3）提高人口空间化精度的措施及其应用背景、优点。在此基础上,依据现阶段人口数据空间化的研究内容,从格网尺度适宜性研究、高时空分辨率人口空间分布模拟、引入新型数据源及多思想多模型综合应用等方面探讨了人口数据空间化的研究方向。     

基于夜间灯光与土地利用数据的山东省乡镇级人口数据空间化

格网化人口数据能够刻画实际人口空间分布状况,是实现人口数据更好地与自然、社会、经济等要素融合分析的有效途径。本文面向精细尺度格网人口数据的需求,以中国东部人口稠密的山东省为例,基于乡镇级人口统计数据,研究了结合夜间灯光和土地利用数据的空间化方法。其中以EVI修正DMSP/OLS夜间灯光数据来增加城镇用地内部人口分布的差异性,以城乡二级分区方法避免夜间灯光数据在农村低辐射亮度区模拟人口的缺点,提高了建模精度。利用其余地区的人口统计值检验建模精度,结果有78%的行政单元的相对误差绝对值小于20%。最终在2000年首次公布的乡镇级人口统计数据的基础上,生成了山东省100 m格网人口分布数据SDpop2000。通过与精度较高的全球WorldPop人口数据产品对比可见,SDpop2000和WorldPop在10 km网格尺度上的相关性系数高达0.93;SDpop2000在鲁中部、泰安西南部、济宁南部、临沂南部、枣庄北部和鲁北沿海等地的人口分布明显比WorldPop更准确;且SDpop2000较好地刻画了山东省在鲁西、鲁北平原区的人口较鲁中南山地丘陵区、鲁北沿海和山东半岛丘陵区的人口更为稠密的人口分布趋势。本文构建的基于DMSP/OLS与土地利用的乡镇级人口数据空间化方法明显提高了空间化精度,适用于乡镇尺度的人口精细模拟。     

融合POI数据的建成区人口数据空间化方法——以武汉市为例

人口数据空间化对城市精细化管理具有重要意义,现有的人口数据空间化方法主要采用夜间灯光数据和土地利用数据,鲜有涉及关注点(POI)数据研究.通过多元线性回归构建土地利用分类数据、POI数据与人口统计数据之间的关系得到人口模型进而实现建成区人口数据空间化.并以武汉市建成区为例,进行方法验证.结果表明,不同尺度格网下反映出的武汉市人口分布空间特征不同,并且都与武汉市实际人口分布情况一致,验证了该方法的有效性.     

顾及POI人口吸引力异质性的城市人口空间化方法

人口空间化是提升人口统计数据空间分辨率的常用手段,现有研究多基于统计建模思想建立多源数据与统计人口的数学模型以预测格网人口。兴趣点（Point of Interest, POI）作为精细人口估算的重要数据源,通常以数量/密度型指标形式参与回归建模,该方式忽略了类型相同但个体规模不同的POI与人口之间数量关系的差异,特征均质化处理造成POI语义细节的损失,导致中心城区人口低估与远城区高估。为此,本文基于随机森林模型,提出一种顾及POI人口吸引力异质性的城市人口空间化方法。该方法在表征POI空间多尺度重要性的基础上,引入移动定位数据构建人口吸引力指标;并基于非欧式滤 波修正格网人口权重,建模人口空间自相关,刻画水体等障碍物对局部空间连通性的影响。本文以武汉市为研究区域开展100 m格网验证,通过与POI密度型回归模型、公开人口数据集的对比和消融实验,展现了人口吸引力指标与权重修正的有效性。结果表明,本文方法平均绝对误差为WorldPop、GPW及对比模型的1/4~2/3,在精细人口空间化场景具有精度优势。此外,本文还讨论了移动定位数据采样率及格网粒度对建模精度的影响。     

基于格网的人口和GDP数据空间化——以西安地区为例

社会经济数据空间化,是连接自然和人文要素的重要方法,受到广泛关注。以西安地区为例,结合覆盖西安地区的1km、500m、250m尺度矢量格网,采用单位面积建设用地人口数量和GDP产值进行网格赋值方法,对区域内2010年人口和GDP实现空间化,结果表明:(1)格网是实现社会经济统计数据空间化的重要方法和途径;(2)以人口和GDP为代表的不同类型统计数据在利用格网空间化过程中表现出明显差异,人口数据空间化准确性随格网尺度的减小而增加,而GDP表现相反;(3)行政边界在人口和GDP数据空间化方面作用较小,可不予考虑。     

基于多源信息的人口分布格网化方法研究

格网化人口分布数据比行政单元人口密度数据更易直观表达人口的真实分布状况。本文面向人口格网化管理的区域发展需求,以延安市为研究对象,基于增强居民地空间分布及其内部结构信息的理念,利用乡镇界线和乡镇级人口统计数据为输入控制单元,以土地利用数据、居民点信息、DEM、夜晚灯光数据等多源信息为指示因子,采用多元回归建模方法获得了延安市2010年100 m格网人口分布数据。结果表明,本文采用的人口格网化建模方法最终模型选用变量数少,决定系数（R²）达到0.872。最终模型在用于验证的24个乡镇中,有18个乡镇的估计人口数与统计值误差绝对值小于10%。分析认为,该建模策略结果可信,多源的人口分布指示信息在人口格网化方法上明显优于单独的土地利用数据方法。本文获得的100 m格网延安市人口数据格网化结果,显著增强了人口空间分布的细节信息,对于县市一级的人口数据格网化具有借鉴意义。     

人口数据空间化表达与应用

人口数据空间化是“数字地球”的重要研究内容。本文在介绍人口空间分布研究的基础上,从人口分布影响因子、土地利用等空间数据的应用、构建间接的人口指标、人口数据空间化建模以及城市人口数据空间化五个方面,回顾了人口数据空间化研究的最新进展,并简要阐述了面插值的概念及其对人口数据空间化研究的意义。在总结前人相关研究的基础上,本文以福建省为研究区,在栅格数据模型的支持下,通过多源信息融合,从乡镇行政区划的尺度上对人口数据空间化模拟进行了尝试。     

北京市人口密度空间分布及其尺度特性研究

利用北京市第六次人口普查数据,在对人口统计数据进行空间化处理的基础上,分析了城市人口密度分布的统计特征及其空间自相关性,充分证明了北京市人口密度分布具有非常强烈的空间自相关性,并已经凸显出城市人口密度多核心分布模型的特征;在对人口统计数据进行格网化处理的基础上,分析了6种不同尺度下北京市人口密度空间分布的统计学特性和空间自相关性,证明了北京市人口密度的空间分布具有尺度特性;本文进一步对尺度特性影响下的人口密度空间分布特性空间自相关性进行了对比研究,从而揭示出空间自相关性与尺度变化间的规律。     

基于夜间灯光和人口密度数据的京津冀GDP空间化对比

国内生产总值（GDP）是衡量地区经济发展水平的重要指标,GDP的空间化可以为灾害风险分析等多学科交叉研究提供基础数据。空间化代用数据的选择是社会经济统计数据空间化的关键,本文以京津冀地区作为研究区,将夜间灯光、全球人口密度（LandScan）和亚洲人口密度（AsiaPop）空间分布信息作为代用数据,将市级GDP统计数据空间展布到栅格单元,以绝对误差、相对误差和均方根误差为指标,利用县级统计数据对展布结果进行误差分析,并对比3种数据对GDP空间模拟的表达效果。结果表明：相对于夜间灯光和LandScan数据,AsiaPop模拟得到的综合误差最小;基于夜间灯光和LandScan的GDP空间展布误差格局比较接近,即存在经济较发达的市辖区GDP值被低估、市郊区县GDP被高估的误差“两极区”倾向,而基于AsiaPop的GDP空间展布误差格局与经济发展水平关系不密切。因此,利用单一代用数据很难合理地反映经济活动的空间分布,综合夜间灯光、人口密度、道路和建筑物等多源空间数据是提高GDP空间展布精度的发展趋势。     

POPULATION GROWTH IN BEIJING:TRENDS AND COUNTERMEASURES

Beijing'population has experienced a dramatic increase eversince the founding of the People's Republic of China. Population growthin Beijing can be broadly broken down into three major components'natural increase, immigration, and the growth of floating population. Thecontinuous growth of Beijing's population is closely linked with its centralized multi-function. The comprehensive countermeasures to control Beijing's population growth are proposed, for example, decentralizing economicfunctions, including developing the suburbs, developing the metropolitan areaand creating counter-magnetic centers, reforming the administrative and economic systems.     

基于多源数据的北京市朝阳区人口时空格局评估与预测

城市人口分布与活动呈现高度的时空动态变化,掌握人口时空变化特征并进行未来预测,对于精准人口评估、有效的政策措施制定、实时的人口预警与调控等具有重要意义。本研究利用以手机信令数据为主的多源时空数据,首先利用地理探测q统计进行探索性数据分析,其次结合贝叶斯模型进行北京市朝阳区居住人口的时空变化探究及时空预测,以期达到对朝阳区人口的动态评估与预测。首先,选用地理探测q统计进行空间异质性探测,用贝叶斯时空层次模型探究基于手机信令数据推算的北京市朝阳区居住人口的总体空间效应、总体时间效应以及局部变化趋势;其次,选用贝叶斯高斯预测过程模型,基于朝阳区各街乡的居住人口及相关人口影响因子数据进行朝阳区各街乡2017年12月的居住人口预测。时空探究表明：朝阳区居住人口在空间上存在完美空间分异,整体呈现沿环路由内向外递增的空间分布格局,整体时间趋势表现为增长,各街乡局部时间变化趋势呈现一定差异。预测的空间分布与实测空间分布整体一致,精度较高,各街乡预测精度不一。结果表明基于贝叶斯理论的时空层次模型和高斯预测过程模型可以为多源时空数据下的多尺度精准识别与人口时空模式挖掘提供有效的方法支撑。     

京津冀都市圈人口集疏过程与空间格局分析

人口集疏过程及其空间格局变化是人口空间分布最直观的表现。以1982-2010年4期人口普查数据为基础,采用人口总量和人口密度指标,结合人口增减变化分级、人口商度等方法,定量分析了京津冀都市圈人口集疏过程及其空间格局变化。研究表明:近30年来,京津冀都市圈人口总量呈现持续增长趋势,人口空间分布日益不均衡,区域人口分布存在明显的南北、东西差异;人口增加是主要特征,人口集聚效应凸显,人口增加地区的县域单元比例在80%以上,以人口显著增加为主;人口减少只是零星分布,人口减少地区的县域单元比例占不到20%;人口流动比较频繁,以人口流入为主,主要流向北京、天津和河北的市辖区,人口流出地区仅是散落分布在张家口和承德的山区贫困县域;无论从静态人口指标还是动态人口分析方法,都表明京津冀都市圈人口地域集疏特征十分明显,已形成以北京、天津、石家庄为中心,其他地市(县域)人口分别向外依次扩展的人口多中心分布的圈层结构。     

2005—2018年北京市外来人口迁移特征与影响因素分析

外来人口是大型或超大型城市人口结构的重要组成部分,研究特定城市外来人口的迁移特征及其影响因素不仅有助于从迁入地视角发现以特定城市为目标的人口迁移规律,对新城镇化背景下的城市化建设与发展也具有重要的现实意义。本文以北京市为例,通过收集2005—2018年的公安机关外来人口登记数据,对外来人口在不同年份的市级迁出地空间分布格局进行了研究,并利用空间回归模型对人口迁移的影响因素进行了分析,得到如下发现：① 北京市外来人口的迁出地在市级尺度下表现出明显的空间聚集效应,且聚集效应逐年增强;外来人口迁出地空间分布基本稳定,热点迁出地分布主要集中在河北-天津和河南省南部-湖北省北部2个主要聚集簇中;② 影响人口向北京迁移的主要变量为各迁出地的人口规模、交通时间、人均收入、高等教育水平、人口密度等,其中人口规模和人均收入对人口迁移的影响较为稳定,而高等教育水平和人口密度的影响分别从2010年和2014年后才开始显现,交通时间对人口迁移的障碍性作用虽然有所下降,但对人口迁移的影响变化不大;③ 空间误差项持续显著,表明迁出地的人口迁出量可能受相邻地市的社会文化等其他变量的影响。     

Suburbanization and subcentering of population in Beijing metropolitan area: A nonparametric analysis

This study focuses on the suburbanization and subcentering of population and examines the nature of spatial restructuring in terms of the population distribution in the Beijing metropolitan area.Instead of the classic density function approach,we employ the nonparametric analysis to characterize the spatial pattern of population densities in the Beijing metropolitan area and identify the suburban subcenters.Our findings suggest that the population has spread with rapid urban growth in the Beijing metropolitan area,and the compact urban form has been replaced by a more dispersed polycentric spatial distribution.However,compared with the decentralization of western cities,the spatial extent of the decentralization of population in the Beijing metropolitan area is quite limited.The rapid growth of population in the near suburbs has expedited the sprawl of the central city,with a larger central agglomeration of population dominating the metropolitan area.In this sense,the spatial pattern of the Beijing metropolitan area is still characterized by the continuous compactness.However,our findings do provide the evidence that the city has been turning to a polycentric structure.We find significant population subcenters have emerged in the suburbs of Beijing since the 1980s.But the polycentricity emerged in the Beijing metropolitan area is very different by nature from that observed in Western cities.The subcenters emerged are adherent to the development scheme planned for the city,so it can be referred to as the so called ’planned polycentricity’.     

基于手机信令数据的北京市空间品质时空动态分析

提升城市功能,增强城市承载力成为城市规划发展的新目标,城市空间品质研究已经成为目前城市规划研究的重点和难点,但是目前空间品质的研究存在动态连续性和空间精确性不足的问题。本文基于手机信令数据获取的城市内部全天的动态人口信息,以街区为尺度定量评价北京市五环内不同功能类型街区的空间品质指数一天内的动态变化,并进行时空分布特征、变化模式以及与人口活跃度关系的分析。结果表明,北京市五环内空间品质随人群活动的变化存在不均衡性,且在时间、空间、功能性质方面存在显著的分化。具体为：空间上城市内环与外环、城市南部与北部的品质差异显著;时间上大体呈现“陡降-低值稳定-陡升-高值稳定”的不稳定趋势;不同功能类型上有着特殊的变化模式,并且功能区之间的空间品质均值差距较大,夜晚街区的居住空间品质在城区内存在明显的等级差异性。这些结果为微观尺度下城市的资源分配和合理规划发展提供了参考和建议。     

集成土地利用数据和夜间灯光数据优化人口空间化模型

人口统计数据空间化是解决统计数据与自然要素数据融合分析的有效途径。随着RS和GIS技术的发展,人口统计数据空间化方法推陈出新,其中,土地利用数据、夜间灯光数据是人口空间化研究中普遍利用的数据源,但各有优、缺点：土地利用数据中的城镇用地、农村居民点能准确表示人口分布的空间范围,却不能反映其内部的人口密度差异特征;夜间灯光数据的强度信息能体现人口分布的疏密程度,但其像元溢出问题显著夸大人口分布范围,像元过饱和现象也影响着人口数据空间化结果的精度。本研究以中国大陆沿海区域为例,尝试集成土地利用数据和夜间灯光数据优化人口空间化方法,设计了基于精度阈值和动态样本的渐进回归与分区建模的方法,获得了中国沿海2000、2005、2010年1 km分辨率人口空间化数据。结果表明,优化模型显著提高了研究区整体的精度,尤其适用于人口空间结构内部差异较为显著的区域。