基于作息空间思想的人口统计数据空间化方法

探讨了基于作息空间思想的人口统计数据空间化方法。定义居住和工作的活动空间范围为作息空间,并结合土地利用类型数据和泰森多边形构建了作息空间,以作息空间人口密度作为人口空间分布的表达方式。对辽宁省2005年人口统计数据进行了实例分析,精度优于传统的面积权重内插法,结果的地图渲染能够表现受自然因素和社会经济因素影响的人口分布特征。该方法不涉及复杂的权重计算过程,也可以避免主观因素的干扰,简单易行,有较强的实用性。     

GIS中矢量多边形网格化问题研究

在实际的GIS空间分析过程中,为了更加简便快捷的实现某些特定的空间分析功能,常常需要将不规则的矢量多边形区域转化为规则的格网区域。该文介绍了矢量多边形网格化的四类算法：中心点归属法、面积占优法、重要性法和面积内插法。其中面积内插法又可分为面积权重内插法、基于表面模型的面积内插法和基于统计模型的面积内插法。同时介绍了各类算法的实现思想,并比较了其优劣及应用范围,认为基于表面模型的面积内插法是一种比较理想且极具发展前景的矢量多边形网格化方法。     

基于GIS的社会统计数据空间化处理方法

社会统计数据的空间化是当前地理科学和社会科学共同研究的热点问题之一,根据社会统计数据的特点可以将其分为和值(extensive)变量型统计数据和均值(intensive)变量型统计数据两种类型.分析了这两类社会统计数据在区域拆分与合并时的特点,并尝试将网格单元面积权重内插(GCAWI)法引入社会统计数据的空间化的工作中,提出了确定网格单元大小的原则和采用图像平滑技术改进空问化结果的方法.以徐州市人均GDP数据(均值变量型统计数据)空间化为研究实例,采用网格单元面积权重内插法实现了徐州市人均GDP数据的空间化,而且运用图像平滑技术得到了比较满意的结果.     

基于GIS的青藏高原人口统计数据空间化

根据2000年第5次全国人口普查数据分析,西藏、青海2省区各市县平均人口密度与海拔高度、土地利用、主要道路有较强的相关关系,河流水系对居民点分布的影响较为明显,而居民点是人口分布的重要指示因子。以GIS软件为工具,通过较为客观的方式赋予各影响因子人口分布影响权重,运用多源数据融合技术进行了人口统计数据的空间化。结果显示,通过数据融合产生的人口密度与各市县实际人口密度的相关系数大于0.80,与试验区各乡镇的实际人口密度的相关系数大于0.75。最终生成的栅格人口密度数据既与各市县统计型人口数据保持一致,又反映了各市县内部人口分布的空间变化。     

基于居民点密度的人口密度空间化

提出了一种基于居民点密度的人口密度空间化方法。以江苏省人口数据空间化为例,在采用核密度估计法得到江苏省镇(乡、街道)居民点密度后,运用基于居民点密度的人口密度空间化计算公式获得江苏省1 000m×1 000m的人口密度格网图,结果表明:江苏省人口分布的热点地区正是在建的三大都市圈(苏锡常都市圈、南京都市圈和徐州都市圈),其中苏锡常都市圈的人口分布呈现各向异性,而南京和徐州都市圈的人口分布则表现为各向同性;人口密度不仅取决于居民点密度,还与平均每个居民点的人口数密切相关,居民点密度大的区域的人口密度不一定大,居民点密度小的区域的人口密度也不一定小。     

人口密度的空间降尺度分析与模拟——以贵州猫跳河流域为例

人口调查统计以行政区划为基本单元,数据精度不能满足较高分辨率的空间结构分析,也难以在地理综合研究中与自然地理要素数据相匹配.因此,人口密度空间化成为地理学的重要研究方向之一.本文基于贵州省猫跳河流域的乡镇人口数据,采用GIS空间分析技术与统计学方法,分析了人口密度与空间因子的关系;并采用多元回归的方法建立了人口密度数据...     

人口统计数据的空间转换

在经济和社会研究中,所要研究的区域之上经常没有数据,而这些数据需要由已知区域的数据求得,即统计数据需要空间转换,这就通常涉及到面积内插。本文从GIS的角度研究如何解决人口内插问题,认为面积内插和GIS中的叠加分析是一致的。在传统的面积内插方法的基础上是提出了基于人口真实分布的面积内插方法,并推导出了公式。同时提出了人口密度的递归算法,即把居住区分为人口稀疏地区和人口稠密地区,估计出人口稀疏地区的人口密度,就可以求出人口密集地区的人口密度;再把人口密集区分为新的人口稀疏区和密集区,此过程反复直至求出接近于人口真实分布的人口模型。     

基于交通网络空间权重的区域经济空间相关分析——以甘肃省为例

在区域经济中,交通是联系地理空间和区域经济活动的纽带,交通的发达程度决定了各地理单元空间相互作用的广度与深度.针对不同交通模式赋以不同的权重,基于最短加权交通网络,提出新的空间权重矩阵构建方法,构建了交通网络空间权重,与各种传统空间权重一起,对比研究甘肃省各县域单元之间的区域经济的空间相关性.研究结果表明,利用交通网络空间权重生成的空间权重矩阵,能更真实地反映区域间实际的空间过程;甘肃省的区域经济具有空间相关性但不显著,核心城市经济外溢现象不明显.     

近30年来兰州市人口密度空间演变及其形成机制

以街区层面的人口统计数据为基础,综合应用ArcGIS和GS+Version7软件对近30 a来兰州市人口密度空间演变进行分析。结果表明:1982-2009年,随着空间距离的增加,人口密度的正相关性逐渐削弱,负相关性逐渐增强。人口密度总体上呈不断增大的趋势,人口分布不均衡性和聚集性逐年增强,整体呈现出东高西低格局,以城关区和西固区为增长顶点形成"双核心"空间结构。高密度人口分布偏东,主要集中在城关区和七里河区。人口重心级别不同,所在街区面积不同,高人口密度街区面积小,低人口密度街区面积大。其形成机制主要缘于自然因素、历史因素、政策因素和经济因素等方面。     

中国人口密度数字模拟

运用基于格点生成法的人口密度空间分布模拟模型,通过运行净第一性生产力空间分布、数字高程、城市规模及其空间分布和交通基础设施空间分布等数据集,模拟了中国人口密度的空间分布规律。模拟结果表明,人口密度的最高值集中在北京、上海和郑州之间的三角区 (BSZ) 及珠江三角洲地区;同时,这个BSZ峰值三角区有发展为以上海-南京-杭州大都市密集区、武汉市、西安市、北京-天津-唐山大都市密集区和沈阳-大连大都市密集区为顶点的五角形峰值区的趋势,珠江三角洲峰值区也正在向外围地区扩展。     

Classification of densities and characteristics of curve of population centers in China by GIS

In this paper, with the spatial analysis functions in ArcGIS and the county-level census data of 2000 in China, the population density map was divided and shown by classes, meanwhile, the map system of population distribution and a curve of population centers were formed; in accordance with the geographical proximity principle, the classes of population densities were reclassified and a population density map was obtained which had the spatial clustering characteristic. The multi-layer superposition based on the population density classification shows that the population densities become denser from the Northwest to the Southeast; the multi-layer clustering phenomenon of the Chinese population distribution is obvious, the populations have a water-based characteristic gathering towards the rivers and coastlines. The curve of population centers shows the population densities transit from the high density region to the low one on the whole, while in low-density areas there are relatively dense areas, and in high-density areas there are relatively sparse areas. The reclassification research on the population density map based on the curve of population centers shows that the Chinese population densities can be divided into 9 classes, hereby, the geographical distribution of Chinese population can be divided into 9 type regions: the concentration core zone, high concentration zone, moderate concentration zone, low concentration zone, general transitional zone, relatively sparse area, absolute sparse area, extreme sparse area, and basic no-man's land. More than 3/4 of the population of China is concentrated in less than 1/5 of the land area, and more than half of the land area is inhabited by less than 2% of the population, the result reveals a better space law of China’s population distribution.     

基于GIS的中国人口重心的密度分级与曲线特征

In this paper, with the spatial analysis functions in ArcGIS and the county-level census data of 2000 in China, the population density map was divided and shown by classes, meanwhile, the map system of population distribution and a curve of population centers were formed; in accordance with the geographical proximity principle, the classes of population densities were reclassified and a population density map was obtained which had the spatial clustering characteristic. The multi-layer superposition based on the population density classification shows that the population densities become denser from the Northwest to the Southeast; the multi-layer clustering phenomenon of the Chinese population distribution is obvious, the populations have a water-based characteristic gathering towards the rivers and coastlines. The curve of population centers shows the population densities transit from the high density region to the low one on the whole, while in low-density areas there are relatively dense areas, and in high-density areas there are relatively sparse areas. The reclassification research on the population density map based on the curve of population centers shows that the Chinese population densities can be divided into 9 classes, hereby, the geographical distribution of Chinese population can be divided into 9 type regions: the concentration core zone, high concentration zone, moderate concentration zone, low concentration zone, general transitional zone, relatively sparse area, absolute sparse area, extreme sparse area, and basic no-man's land. More than 3/4 of the population of China is concentrated in less than 1/5 of the land area, and more than half of the land area is inhabited by less than 2% of the population, the result reveals a better space law of China’s population distribution.     

A Method for Mapping Population Density

The Classic method for mapping population density, and the simplest, is based on statistics for administrative units, mostly parishes, putting density in terms of inhabitants per areal unit. If the administrative units are large this “relative” method still will not give a satisfactory result. In order to make the units smaller one can cover the land with a grid and count the population of each square, and then compute the density. This method has been used for parts of Sweden in the density map nr 49—50 in Atlas över Sverige.     

GIS支持下的道路对县域人口分布的影响——以沛县为例

以2004年江苏省沛县村级人口数据为基础,采用GIS空间分析的方法综合研究了道路对人口分布的影响。首先,运用泰森多边形做边界替代,计算出各行政村的人口密度,经过探索性数据分析,选取最优模型——指数模型对人口密度进行普通克里格插值,结果表明沛县人口密度的高值区域呈现为东北——西南的带状分布,其形状表现为块状集聚,带状延伸的特点。然后,建立道路1 000 m以内的缓冲区,基于运用缓冲区人口模拟函数得出缓冲区内的人口密度,运用GCAWI法,对人口数据进行格网化处理,得到道路人口密度图,结果显示沛县大部分人口集聚在距道路0～300 m的缓冲区范围内。通过对两种方法的对比,发现GCAWI法得出的结果更符合人口分布的实际情况。     

中国人口分布的密度分级与重心曲线特征分析

依据2000年全国第五次人口普查数据,利用ArcGIS的空间分析功能,将人口密度图分层显示,并形成中国人口分布图系.在此基础上,建立人口重心曲线,根据人口重心曲线上点的邻近性实施人口密度再分级,由此获得了更具空间集聚特征的人口密度图.基于人口密度分级的多圈层迭加分析表明:随着人口密度增大,人口分布重心逐渐由西北向东南移动,由稀疏趋于稠密,中国人口分布多圈层集聚特征明显.人口重心曲线表明,人口分布总体上是从高密度向低密度分布过渡的,其中在低密度中也有高密度地区分布,高密度地区也有相对稀疏的地区.基于人口重心曲线的中国人口密度再分级表明,中国人口密度可以适度划分为9级,据此可以将中国人口地理分布划分为集聚核心区、高度集聚区、中度集聚区、低度集聚区、一般过渡区、相对稀疏区、绝对稀疏区、极端稀疏区、基本无人区等9大类型区.统计表明,中国3/4以上的人口集中分布在不到1/5的国土面积上,半数以上的国土面积上居住着不到2%的人口,研究结果较好地揭示了中国人口分布的空间规律性.     

格网人口图的计算机制图方法

本文以江苏为例,对约100幅地形图进行全盘采样,获得三万多居民地小方块数据,应用小方块与人口之间的密切关系,进一步获得三万多人口数据。在此基础上做出分别以格网分区图表法、格网分级比值法、等值线法表示的三幅江苏省人口密度图;以定位布点法表示的江苏省人口分布图。它们的共同特点是都以大量人口数据为基础编制而成。     

基于随机森林模型的珠江三角洲30 m格网人口空间化

人口空间化是实现人口统计数据与其他环境资源空间数据融合分析的有效途径。本文选取夜间灯光数据、道路网数据、水域分布数据、建成区数据、数字高程模型和地形坡度数据作为影响珠江三角洲人口分布的变量因子,利用随机森林模型对珠江三角洲2010年人口数据进行了30 m格网空间化,并将模拟结果与三个公开数据集作精度对比,最后基于随机森林模型的变量因子重要性分析珠江三角洲人口空间分布的影响因素。结果表明：本文模拟整体精度达到82.32%,均优于WorldPop数据集以及中国公里网格人口数据集,接近GPW数据集,而且在人口密度中等区域模拟精度最高;通过对变量因子重要性进行度量,发现夜间灯光强度是珠江三角洲人口分布的最重要指示性指标,到水域的距离、到建成区的距离和路网密度对珠江三角洲人口分布均具有重要作用。利用随机森林模型结合多源信息能够实现高空间分辨率的人口空间化,可为精细化城市管理提供重要数据源,也可为相关政策决策制定提供支持。