基于多源遥感数据及DEM的人口统计数据空间化——以浙江省为例

利用DMSP/OLS遥感夜间灯光数据进行人口等社会经济数据的空间化时,往往受到其较低的空间分辨率、像元过饱和以及像元溢出现象的影响。植被指数（如NDVI）与不透水面呈负相关关系,与夜间灯光数据在反映人类活动、提取建成区方面可以互补,将这两种数据融合可以有效减少夜灯数据像元过饱和等因素引起的误差。通过进一步融合DEM数据对基于DMSP/OLS夜间灯光数据和NDVI构建的人居指数进行了海拔修正,基于修正后的人居指数与统计人口之间很强的线性相关建立人口空间化模型,获得2010年浙江省1 km×1 km分辨率下的人口密度空间分布。模拟结果显示,浙江省平均人口密度为515人/km2,模拟的平均相对误差为183%,相比海拔订正前的模拟误差减少约5%,表明利用多源遥感数据融合后的人居指数在省级尺度上模拟人口空间分布的精度较高     

基于DMSP/OLS数据的江苏省城镇人口空间分异研究

人口空间分异研究是区域协调发展的基础,便捷准确地获取城镇人口全局和局域的空间信息,对于合理制定区域人口、经济和社会发展政策具有重要意义。在DMSP/OLS(夜间灯光)数据和人口数据之间的定量关联基础上,模拟出格网尺度上江苏省2012年人口密度,采用人口集中指数、空间变差函数识别人口分布的空间格局并探讨区别于行政单元尺度的人口格局形成机理。区域层面,江苏省人口空间分异呈现苏北地区"低密度点状"分布,苏南、苏中为"高密度面状"分布并存格局。城镇层面,江苏省人口空间分布结构具有4种类型,H-H型地区人口各向差异性最强,网格单元内随机变异最小;H-L型人口各向差异性最小,网格单元内随机变异较大;L-L型人口轴向均质化特征明显,网格单元随机变异较小;L-H型空间各向差异性较小,网格单元的随机变异最大。结果表明,基于DMSP/OLS夜间灯光数据反演而得到的人口格网模型具有巨大潜力,结合变差函数进行拟合分析可定量地刻画城镇内部人口分布的空间异质性特征。     

四川省人口分布与土地利用的关系及人口数据空间化试验

通过对四川省158个市县中人口密度小于1 000人/km2的151个市县的人口密度与各种土地利用指数的多元回归分析发现,人口密度与各种土地利用指数的多元线性相关系数为0.93,人口密度的对数与各种土地利用指数的多元线性相关系数为0.96。根据这一关系对四川省1999年的市县人口统计数据进行空间化,用罗江县的实际乡镇人口数据对空间化结果进行检验。结果为通过空间化得到的各乡镇的人口数与各乡镇的实际人口数的相关系数为0.91,平均误差为16.5%。     

江苏省人口数据空间离散化研究及其精度分析

针对传统人口数据表达方法在表达人口空间分布上的不足,设计了人口数据离散化模型,通过分析人口数据与土地覆被信息之间的关系,将分县统计的人口数据分配到空间1 km×1 km栅格单元上。在江苏省的研究表明,利用该方法能获得比较高的精度。基于离散化后的人口数据,发现江苏省人口空间分布有两大特点：(1)人口分布自城市中心向城市外围由密集渐变为分散;(2)苏南的城市人口规模显著大于苏中和苏北,苏南、苏中、苏北三大区域的人口城镇化水平呈现由高到低排列。江苏省人口空间分布的上述特点与江苏省三大区域的经济发展状况及各个区域的城镇化水平相一致。离散化后生成的1 km×1 km栅格人口数据,能够精确表达人口分布的区域差异,可以作为制订资源开发、环境规划、区域发展战略等重要参考依据。     

基于LJ1-01夜间灯光影像的苏锡常地区人口空间化研究

基于NPP/VIIRS DNB和"珞珈一号"01星(LJ1-01)两种夜间灯光数据原始影像与苏锡常地区县级人口统计数据进行空间滞后回归建模,得到500 m×500 m和200 m×200 m两种空间尺度的人口密度格网图,并利用乡镇人口数据进行检验证明LJ1-01数据在人口空间化研究中具有更高的精度;在此基础上,基于电子地图兴趣点(POI)数据与人口分布之间的相关性,通过融合POI数据对LJ1-01原始影像的模拟结果进行优化,并在乡镇尺度上对人口空间化结果进行了精度评价。结果表明:(1)LJ1-01夜间灯光影像亮度值与人口数呈显著正相关,相关系数高于NPP/VIIRS夜间灯光数据;(2)LJ1-01新型夜间灯光数据适用于人口空间化研究,且其模型拟合效果整体优于NPP/VIIRS传统夜间灯光数据;(3)将LJ1-01夜间灯光数据与POI数据进行融合可有效改善其人口空间化模拟结果,空间滞后回归模型的复相关系数R~2提高至0.946 3。通过实践,可以发现LJ1-01夜间灯光数据具有实现精细尺度人口数据空间化的巨大潜力。     

基于多源遥感信息和土地利用数据的中国海岸带GDP空间化模拟

目前包括GDP在内的社会经济数据大多以行政区划为统计单元，普遍存在统计单元内的数据均一化以及与其他环境数据空间不匹配等问题。以中国海岸带地区为例，利用DMSP/OLS夜间灯光数据和植被指数构建的人居指数与非农业GDP之间的线性关系建模，对非农业GDP进行了空间化模拟，基于土地利用数据建立了农业GDP空间化模型，最终得到2010年中国海岸带地区250 m×250 m空间分辨率的GDP密度图。结果显示：相比仅利用夜间灯光数据模拟非农业GDP，人居指数模型较好地改善了夜间灯光数据的像元溢出效应以及过饱和问题，提高了对非农业GDP的模拟精度。栅格尺度上的中国海岸带GDP密度图可以为沿海地区灾害风险评估、社会经济决策、区域规划和可持续发展研究提供基础数据支持。     

基于GIS数据的县域人口密度空间降尺度模拟——以广东省惠东县为例

人口调查统计以行政区划为基本单元,数据精度不能满足栅格尺度上的空间结构分析,也难以与生态环境综合研究中的自然地理数据相匹配,而人口数据降尺度空间模拟是解决这一问题的有效途径。本文基于统计学方法和GIS技术,对惠东县乡镇人口数据与空间因子进行相关性分析,并筛选出建设用地指数、高程、到居民点距离等因子用于回归分析,分别采用一元和两种多元回归方法建立人口密度数据空间化模型,最终在GIS平台中实现人口密度的降尺度模拟,获取200m×200m栅格尺度的人口密度数据。一元回归分析中,建设用地指数因子的模拟结果最优,R2为0.734,可作为快速、粗略模拟惠东县人口密度的模型;多元回归分析中,逐步和向后回归模型的R2分别达到0.775和0.886,模拟结果均较为理想。通过对模型的分析可知:①多元模型明显优于一元模型;②向后回归模型优于逐步回归模型。研究结果表明此人口密度模拟方法具有较强的操作性,可为县域尺度人口密度空间化的应用研究提供借鉴。     

上海市人口分布变动的空间特征分析

空间自相关分析是一种空间统计的方法。可以揭示区域变量的空间结构形态。通过对2000-2003年期间上海市乡镇人口密度变化率的空间相关性分析，发现上海市近几年人口分布空间变动格局表现为以中心城区为中心的环状分布模式，中心城区和远郊区人口密度变化小。人口增长缓慢，而近郊区人口密度变化大，人口增长迅速。全市人口密度变化率存在着显著的空间集聚现象。四种类型的空间关联在空间分布上具有明显的规律性。研究结果表明，目前上海市人口郊区化趋势明显。高人口密度区域在不断向外扩张，人口分布与经济、交通等社会发展因素的关系日益密切。这些研究结果说明利用空间自相关统计方法能够扩展和加强对人口分布空间模式的研究．从而为经济总体布局和城市化建设提供辅助参考作用。     

青藏高原人口分布与环境关系的定量研究

本文利用GIS工具定量地分析了青藏高原地区人口分布与海拔高度、土地利用、道路网、河流水系等环境因素的关系以及人口密度与居民点密度之间的关系，这些客观存在的关系是进行人口统计数据空间化的基础。在此基础上，文章进一步分析和探讨了青藏高原人口分布与其它地区人口分布的差异性及其原因。     

长江三角洲地区人口空间演变特征及动力机制

研究区域人口空间演变,可揭示区域人口空间分布的规律性,对于制定合理的人口发展政策,促进区域的可持续发展,均具有重要意义。根据1982、1990、2000年人口普查资料,结合长江三角洲地区各市历年统计年鉴,先对本地区的人口分布空间格局进行了分析,得出各地市人口数量差异巨大、人口密度北高南低、沿交通轴线人口集中分布的特点,然后对20世纪80年代以来人口分布的动态变化特征、规律做了较细致探讨,得出各地区人口增幅存在较大差异、人口密度增长总体放缓、人口分布先集中后分散、人口重心由东北向西南移动等演变特征。并结合影响区域人口空间分布的外部因子进行解释,认为经济因素、城市地位与功能、政策因素以及信息交通等因素是造成本区人口空间结构发生巨大变化的原因。     

城市规划中人口空间分布模拟方法研究

城市人口空间分布是影响社会经济活力、基础设施建设、公共服务配置以及城市交通、住宅、生态环境问题等方面的重要因素之一,是科学开展城市规划的基础与前提.传统的等值区域图法只能描述一个地区总体城市分布状况,难以准确反映城市内部人口的实际分布.本文通过综述国内外23篇研究成果,将城市人口分布空间模拟方法总结为城市人口密度模型、内插法空间分布模型、地理因子相关性模型(包括光谱估算法、土地利用密度法、居住单元估算法、夜间灯光强度估算法、硬化地表估算法)3大类7种,分析了它们各自的特点及改进措施.人口空间分布模拟在我国城市规划体系中有较大应用价值,重点讨论了在城镇体系规划、城市总体规划以及详细规划等不同规划层面人口空间分布适用模拟技术.最后指出为提高我国城市规划的科学性和预测精度,综合运用多种方法对城市人口空间分布进行估算模拟将成为该领域研究趋势,以期为城市规划管理提供技术参考.     

1982～2010年湖北省人口分布格局变迁及其影响因素

以人口普查数据为基础,采用空间分析技术,对1982~2010年湖北省人口分布的变迁及原因进行研究。结果表明:(1)湖北省人口分布具有显著的空间差异:区域尺度上,人口分布由东向西梯度递减,且梯度差异不断扩大;地市尺度上,武汉市始终是人口密度最高的地区,神农架、恩施、十堰、宜昌始终是人口密度最低的地区;县级尺度上,人口两极分化明显;省域尺度上,人口密度高值区长期呈三足鼎立的态势,人口重心始终位于几何中心以东,并不断向东迁移;(2)湖北省人口格局形成的原因是多方面的:自然地理差异是奠定湖北人口分布格局的决定因子;社会经济发展对湖北人口分布在自然基础上进行再塑造;区域发展战略对湖北人口分布的变迁起着重要导向作用;开发历史也在一定程度上影响了人口分布的布局。     

近30年江苏省建设用地扩张的时空特征、模式与驱动因素研究

采用Landsat TM/ETM遥感解译数据，综合运用定性与定量方法，分析江苏省1985～2015年建设用地扩张的时空演变特征、类型与模式，通过多元回归和地理探测器方法探索江苏省和各地级市建设用地扩张的时空驱动因子及驱动机制。结果表明：(1）江苏省建设用地扩张幅度空间上呈现苏南>苏中>苏北的特征，建设用地扩张速率时间上呈现先上升后下降的趋势，2005～2010年是快速扩张期。（2)江苏省建设用地扩张呈空间自相关和明显的集聚分布。扩张密度分布呈现以江苏沿江地区为高值中心，沿海及苏北地区为低值连片区的空间分异现象。高-高值区主要分布在城市中心区。（3)江苏省已形成沿长江的城市发展轴带和空间集约的都市连绵区，呈现外延型的空间扩张模式。江苏省建设用地扩张的协调性和稳定性，均出现苏南>苏北的地理空间格局，可分为 4种类型：协调稳定型、不协调稳定型、协调波动型、不协调波动型。(4）建设用地扩张主导时间驱动因子是产业结构转型、人口增长、居民生活水平提高和投资增长，第二、三产业比重是扩张的核心时间驱动因素，工业化是驱动建设用地扩张的重要动力。GDP和人口密度是建设用地扩张的主导空间驱动因子。     

DMSP/OLS夜间灯光数据在城镇体系空间格局研究中的应用与评价——以近16年江西省间城镇空间格局为例

通过分析1994～2009年16 a逐年DMSP/OLS的静态平均灯光数据的DN值分布情况，考虑实际空间格局分布数据需求和数据质量，选择1994、2000、2005、2009年4个年度为代表，进行江西省城镇空间格局分布应用研究，并对数据质量进行评价。结果表明：1994～2009年度江西省城镇建设用地总量数值尽管与统计数据之间存在一定的波动，但总体扩展趋势基本一致；在城镇化增长速度上，2000～2005年比1994～2000年大29.53%，2005～2009年比1994～2000年大4357%，说明江西省城镇化发展正逐步提速，并有加快发展的趋势；景观指数分析表明江西省城镇化扩张过程中，面积越来越大，城镇间聚集度越来越高，相互影响也越来越大；城镇化形状越来越复杂；城镇间联系越来越紧密，破碎度逐步减小，城镇斑块形状变化逐步加大，发展无序程度加重。最后，针对江西省城镇空间格局发展现状，研究提出了积极发展中型城市、集约化发展特大城市、稳步扩大小城镇发展规模的建议     

江苏省人口城乡结构差异的多尺度研究

利用"全国第四、五、六次人口普查"等数据,基于"多尺度"分析框架,综合运用总体差异测度指数(标准差、锡尔指数及其分解)、马尔可夫链、ESDA等方法,分析1990~2010年江苏省不同尺度人口城乡结构差异的时空动态演化。结果表明:(1)20a来,江苏省人口城乡结构无论绝对差异还是相对差异性在各尺度上均呈缩小趋势,且前10a大幅缩小、后10a缩小幅度减缓。相对差异值及其缩小程度排序均从大到小依次为县域、市域、区域。主要受地区发展基础、增长极的带动能力及范围、政府政策侧重以及人口迁移机制等多种因素差异性的影响。由于三大区域间通过人口流动、交通、产业、资源等的联动效应,因而三大区域间差异的缩小对全省差异缩小的贡献最大。(2)前10a人口城乡结构类型转移概率波动性大,后10a趋向稳定。苏南各市区存在高水平"俱乐部趋同"现象。(3)虽然从区域尺度上看,苏南、苏北两极分化有所缓和,但从县域小尺度上来看,苏北大部分县域与苏南不同县域之间的差距依然较大,这与实际相符合,因此小尺度的自相关分析更符合实际,且小尺度两极分化严重。县域尺度冷、热点地区具有典型的核心边缘结构、南北空间分异显著,涓滴效应逐渐显现,南北差异有所减小。最后提出在"两带一路"背景下针对不同尺度人口城乡结构合理发展的建议。     

江苏省养老服务业区域差异、空间集聚及驱动因素研究

推动养老服务业区域协调发展是实现养老服务业高质量发展的基础。运用综合指标评价法、泰尔指数及ESDA等方法,对2005～2015年江苏省县域养老服务业时空演变格局和空间关联性进行分析,并采用空间计量模型探讨其驱动因素。结果表明:(1)江苏省养老服务业发展水平总体较低且不均衡,呈现"南高北低"的显著差异;(2)区域差异呈"扩大-缩小-扩大-缩小"的"M"字型演变趋势,区域内差异大于区域间差异;(3)江苏省不同县域间养老服务业空间关联性显著为正,出现了发展水平相似县域相邻分布的空间集聚效应,空间集聚格局呈现稳态的南北差异;(4)人口老龄化、经济发展水平、城镇化水平、市场力量、产业结构、养老保障水平以及政府政策等多种因素对江苏省养老服务业发展格局和区域差异产生了不同程度的影响。