不同空间权重定义下中国人口分布空间自相关特征分析

人口分布的研究对实现人口、环境、资源可持续管理具有深刻意义。相对于洛伦斯曲线、基尼系数等传统度量指标,运用空间自相关分析可以较好地表达人口分布的集聚现象,揭示人口格局的空间结构和空间相互作用。空间自相关测度的关键因素之一为空间权重矩阵。当前人口空间自相关特征测度多采用单一邻近关系定义空间权重矩阵,忽视了不同空间邻近关系对自相关特征分析结果的影响。本文根据距离阈值和邻接关系定义了八种空间权重,包括新定义的高铁两小时可达性空间权重。基于2010年《中国人口年鉴》统计资料,结合GeoDa软件测度了中国人口空间分布自相关特征并分析空间权重定义对自相关特征分析结果的影响。发现:(1)在不同空间邻近关系下,中国省域人口密度分布在全局自相关上均呈现空间正自相关,但其显著性水平有差异;(2)局部自相关分析结果Moran's I表现出明显的区域差异。     

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。     

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。     

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%。     

顾及DEM误差空间自相关的地形变化检测方法

传统的地形变化检测方法忽略了DEM误差的空间自相关性,针对此问题,本文提出了顾及DEM误差空间自相关的地形变化检测方法。首先,通过2期DEM相减得到差值DEM(DoD),并通过蒙特卡罗方法评估DEM的误差空间分布;其次,基于DEM误差空间分布图,通过误差传播公式计算DoD误差,并使用半变异函数分析其空间自相关程度;最后,在误差空间自相关分析和显著性检测的基础上计算地形变化量（体积）和对应的误差限。本文在4个黄土小流域进行了实验,结果表明：无人机摄影测量DEM的高程误差存在一定程度的空间自相关,通过光束平差蒙特卡罗方法可以模拟无人机摄影测量DEM的误差空间分布;在进行地形变化检测时,使用误差空间分布代替中误差进行地形变化检测有效降低了检测结果对显著性阈值的敏感性;显著性阈值从68%提高到95%时,使用误差空间分布的检测结果损失的观测值比使用中误差低5.39%～6.75%。顾及空间自相关的地形变化检测方法能够更加科学、精确地量化地形变化特征,也可有效地应用于地表变形监测、流域侵蚀监测、输沙量评估等领域。     

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。     

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。     

基于手机定位数据的城市人口分布近实时预测

精细时空尺度下城市人口分布的近实时预测可为优化公共资源配置、协助城市交通诱导、制定公共安全应急预案、探索城市居民活动规律等提供重要科学依据。本文采用城市手机定位数据,基于时间序列分析方法,分别建立参数预测模型和非参数预测模型,对精细尺度下的城市人口空间分布开展近实时预测。预测结果表明,基于时间序列分析方法的预测模型可为精细尺度下的城市人口分布近实时预测提供方法支持;在本文实验条件下,从人口规模、时空分布、多时间尺度、特殊事件等多个角度评估模型精度,非参数预测模型其预测误差均小于参数预测模型,且预测结果更为稳定。     

北京市人口空间分布的未来情景模拟分析

为了验证YUE-SMPD模型对城市人口研究的实用性,首先模拟分析北京市2000年300m×300m空间分辨率的人口分布,然后将北京市2000年的模拟结果与人口普查数据进行比较,结果表明,YUE-SMPD模型的模拟结果与2000年北京市第五次人口普查数据非常吻合。在此检验结果的基础上,根据2020年北京城市总体规划、北京市绿地系统规划、北京市公路系统规划和北京市铁路系统规划等,模拟分析北京市2020年三种人口分布情景:如果人口允许在国内自由迁移,2020年北京市总人口将达到4662万,旧城人口将达到672万,中心城区将达到3019万;如果2020年北京市总人口控制在1800万之内,并且允许居民在市内自由流动,旧城和中心城区人口将分别为260万和1170万;如果北京城市总体规划和绿地系统规划成功实施,2020年北京市中心城区人口为850万,旧城区人口为110万。     

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。