<acronym id="owqss"><center id="owqss"></center></acronym>
<acronym id="owqss"></acronym>
<acronym id="owqss"><center id="owqss"></center></acronym>

基于土地利用類型數據的統計人口空間化模型研究:以福建省為例

潘穎 黃萬里 葉士琳 祁新華

引用本文:
Citation:

基于土地利用類型數據的統計人口空間化模型研究:以福建省為例

    作者簡介: 潘 穎(1996?),女,福建人,碩士生,主要研究方向為城市地理與城鎮規劃. E-mail:panying961224@163.com;
    通訊作者: 祁新華, fjqxh74@163.com
  • 中圖分類號: K901;P208

Research on statistical population spatialization model based on land use type data: An case study of Fujian Province

    Corresponding author: QI Xin-hua, fjqxh74@163.com
  • CLC number: K901;P208

  • 摘要: 文章基于福建省土地利用類型數據進行縣級統計人口的空間化,比較分區人口空間化模型與不分區人口空間化模型及不同格網大小的人口空間化精度,探討基于土地利用類型數據的統計人口空間化模型合理性及合適空間化尺度. 結果表明:采用不分區建模的方法進行人口數據空間化,最適宜的格網尺度為6 km,其格網人口抽樣精度為62.12%;采用分區建模的方法進行人口數據空間化,最適宜的格網尺度為3 km,其格網人口抽樣精度為84.41%. 鑒于此,對于福建省當前的人口空間分布,采用分區建模后3 km格網尺度的人口空間分布,能夠較精確地反映各縣市真實的人口分布情況.
  • 圖 1  福建省土地利用類型圖(資料來源:www.fjmap.net)

    Figure 1.  Map of land use types in Fujian Province (Source: www.fjmap.net)

    圖 2  福建省人口特征分區(資料來源:根據2016福建省統計年鑒繪制)

    Figure 2.  Zoning map of population characteristics in Fujian Province (Source: 2016 Fujian Statistical Yearbook)

    圖 3  不分區建模下福建省格網人口匯總結果與縣市統計人口誤差分布柱狀圖

    Figure 3.  Histogram of aggregated population of Fujian Province and statistical population error distribution of counties and cities under general modeling

    圖 4  分區建模下福建省格網人口與縣市統計人口誤差分布柱狀圖

    Figure 4.  Histogram of error distribution of grid population and statistical population of counties and cities in Fujian Province under partition modeling

    圖 5  長樂區及仙游縣部分鄉鎮人口誤差分布柱狀圖

    Figure 5.  Histogram of population error distribution in some towns in Changle District and Xianyou County

    表 1  不分區建模下福建省平均相對誤差分段統計表

    Table 1.  The segmentation statistics of average relative error in Fujian Province under general modeling

    尺度平均相對誤差/%縣數比例/%尺度平均相對誤差/%縣數比例/%
    5 km <20 25 29.41 7 km <20 26 30.59
    20~40 28 32.94 20~40 27 31.76
    40~60 19 22.35 40~60 18 12.18
    60~80 11 12.94 60~80 10 11.76
    >80 2 2.35 >80 4 4.71
    6 km <20 25 29.41 8 km <20 28 32.94
    20~40 31 36.47 20~40 25 29.41
    40~60 17 20 40~60 13 15.29
    60~80 10 11.76 60~80 12 14.12
    >80 2 2.35 >80 7 8.24
    下載: 導出CSV

    表 2  分區建模下福建省平均相對誤差分段統計表

    Table 2.  The segmentation statistics of average relative errors in Fujian Province under partition modeling

    尺度平均相對誤差/%縣數比例/%尺度平均相對誤差/%縣數比例/%
    <20 18 21.18 <20 36 42.35
    2 km 20~40 20 23.53 4 km 20~40 28 32.94
    40~60 24 28.24 40~60 15 17.65
    60~80 13 15.29 60~80 2 2.35
    >80 10 11.76 >80 4 4.71
    <20 33 38.82 <20 30 35.29
    3 km 20~40 31 36.47 5 km 20~40 25 29.41
    40~60 17 20 40~60 22 25.88
    60~80 1 1.17 60~80 3 3.53
    >80 3 3.53 >80 5 5.88
    下載: 導出CSV
    鸿禾娱乐
  • [1] 張車偉, 李慶紅. 中國人口合理分布研究: 人口空間分布與區域協調發展[M]. 北京: 中國社會科學出版社, 2015.

    Zhang C W, Li Q H. Study on rational distribution of population in China: Spatial distribution of population and regional coordinated development[M]. Beijing: China Social Sciences Press, 2015.
    [2] 柏中強, 王卷樂, 楊飛. 人口數據空間化研究綜述[J]. 地理科學進展, 2013, 32(11): 1 692-1 702. DOI:  10.11820/dlkxjz.2013.11.012. Bai Z Q, Wang J L, Yang F. Research progress in spatialization of population data[J]. Progress in Geography, 2013, 32(11): 1 692-1 702.
    [3] Tobler W, Deichmann U, Gottsegen J, et al. World population in a grid of spherical quadrilaterals[J]. International Journal of Population Geography: IJPG, 1997, 3(3): 203-225. DOI: 10.1002/(SICI)1099-1220(199709)3:3<203::AID-IJPG68>3.0.CO;2-C.
    [4] 淳錦, 張新長, 黃健鋒, 等. 基于POI數據的人口分布格網化方法研究[J]. 地理與地理信息科學, 2018, 34(4): 83-89. DOI:  10.3969/j.issn.1672-0504.2018.04.013. Chun J, Zhang X C, Huang J F, et al. A gridding method of redistributing population based on POIs[J]. Geography and Geo-Information Science, 2018, 34(4): 83-89.
    [5] Zhuo L, Ichinose T, Zheng J, et al. Modelling the population density of China at the pixel level based on DMSP/OLS non-radiance-calibrated night-time light images[J]. International Journal of Remote Sensing, 2009, 30(4): 1003-1018. DOI:  10.1080/01431160802430693.
    [6] 胡云鋒, 趙冠華, 張千力. 基于夜間燈光與LUC數據的川渝地區人口空間化研究[J]. 地球信息科學學報, 2018, 20(1): 68-78. DOI:  10.12082/dqxxkx.2018.170224. Hu Y F, Zhao G H, Zhang Q L. Spatial distribution of population data based on nighttime light and LUC data in the Sichuan-Chongqing Region[J]. Journal of Geoinformation Science, 2018, 20(1): 68-78.
    [7] Zeng C Q, Zhou Y, Wang S X, et al. Population spatialization in China based on night-time imagery and land use data[J]. International Journal of Remote Sensing, 2011, 32(24): 9 599-9 620. DOI:  10.1080/01431161.2011.569581.
    [8] 張秋媛, 彭明春, 王崇云, 等. 基于DMSP/OLS夜間燈光數據的貴州省人口分布及影響因子分析[J]. 云南大學學報: 自然科學版, 2019, 41(5): 992-1 000. DOI:  10.7540/j.ynu.20180815. Zhang Q Y, Peng M C, Wang C Y, et al. Population distribution of Guizhou Province based on DMSP/OLS night lighting data[J]. Journal of Yunnan University: Natural Sciences Edition, 2019, 41(5): 992-1 000.
    [9] Qiu F, Sridharan H, Chun Y W. Spatial autoregressive model for population estimation at the census block level using LIDAR-derived building volume information[J]. Cartography and Geographic Information Science, 2010, 37(3): 239-257. DOI:  10.1559/152304010792194949.
    [10] 廖順寶, 李澤輝. 四川省人口分布與土地利用的關系及人口數據空間化試驗[J]. 長江流域資源與環境, 2004, 13(6): 557-561. DOI:  10.3969/j.issn.1004-8227.2004.06.009. Liao S B, Li Z H. Relationship between population distribution and land use and spatialization of population census data in Sichuan Province[J]. Resources and Environment in the Yangtze Basin, 2004, 13(6): 557-561.
    [11] Jia P, Qiu Y L, Gaughan A E. A fine-scale spatial population distribution on the High-resolution Gridded Population Surface and application in Alachua County, Florida[J]. Applied Geography, 2014, 50: 99-107.
    [12] 王春菊, 湯小華. 基于GIS的福建省人口統計數據空間化[J]. 地理與地理信息科學, 2004, 20(4): 71-74. DOI:  10.3969/j.issn.1672-0504.2004.04.017. Wang C J, Tang X H. GIS-based specialization of population census data in Fujian Province[J]. Geography and Geo-Information Science, 2004, 20(4): 71-74.
    [13] 曹偉超, 陶和平, 譚理, 等. 基于多源空間數據的山區人口分布模擬[J]. 國土資源遙感, 2012(2): 61-67. DOI:  10.6046/gtzyyg.2012.02.12. Cao W C, Tao H P, Tan L, et al. Simulation of mountain population distribution based on multi-source spatial data[J]. Remote Sensing for Land & Resources, 2012(2): 61-67.
    [14] 黃益修. 基于夜間燈光遙感影像和社會感知數據的人口空間化研究[D] 上海: 華東師范大學, 2016.

    Huang Y X. Spatialization of population using nighttime light remote sensing images and social sensing data[D]. Shanghai: East China Normal University, 2016.
    [15] 馮甜甜, 龔健雅. 基于建筑物提取的精細尺度人口估算研究[J]. 遙感技術與應用, 2010, 25(3): 323-327. DOI:  10.11873/j.issn.1004-0323.2010.3.323. Feng T T, Gong J Y. Investigation on small-area population estimation based on building extraction[J]. Remote Sensing Technology and Application, 2010, 25(3): 323-327.
    [16] 梁發宏, 楊帆. 自發地理信息研究進展綜述[J]. 測繪通報, 2015(S2): 74-78. DOI:  10.13474/j.cnki.11-2246.2015.0689. Liang F H, Yang F. Summary of developments in volunteered geographic information research[J]. Bulletin of Surveying and Mapping, 2015(S2): 74-78.
    [17] 俞政. 基于手機信令數據的上海市浦東新區常住人口估算[D] 上海: 上海社會科學院, 2018.

    Yu Z. Estimation of resident population in Pudong New Area of Shanghai based on mobile signaling data[D]. Shanghai: Shanghai Academy of Social Sciences, 2018.
    [18] 趙鑫, 宋英強, 劉軼倫, 等. 基于衛星遙感和POI數據的人口空間化研究——以廣州市為例[J]. 熱帶地理, 2020, 40(1): 101-109. https://doi.org/10.13284/j.cnki.rddl.003179.

    Zhao X, Song Y Q, Liu Y L, et al. Population spatialization based on satellite remote sensing and POI data: Regarding Guangzhou as an example[J]. Tropical Geography: 2020, 40(1): 101-109.
    [19] 李雙成, 蔡運龍. 地理尺度轉換若干問題的初步探討[J]. 地理研究, 2005, 24(1): 11-18. DOI:  10.3321/j.issn:1000-0585.2005.01.002. Li S C, Cai Y L. Some scaling issue of geography[J]. Geographical Research, 2005, 24(1): 11-18.
    [20] Patel N N, Stevens F R, Huang Z, et al. Improving large area population mapping using geotweet densities[J]. Transactions in GIS, 2016, 21(2): 317-331.
    [21] Yu S S, Zhang Z X, Liu F. Monitoring population evolution in China using time-series DMSP/OLS nightlight imagery[J]. Remote Sensing, 2018, 10(2): 194. DOI:  10.3390/rs10020194.
    [22] 李月嬌, 楊小喚, 王靜. 基于景觀生態學的人口空間數據適宜格網尺度研究——以山東省為例[J]. 地理與地理信息科學, 2014, 30(1): 97-100. Li Y J, Yang X H, Wang J. Grid size suitability of population spatial distribution in Shandong Province based on landscape ecology[J]. Geography and Geo-Information Science, 2014, 30(1): 97-100.
    [23] 國家統計局福建調查總隊. 2016年福建省國民經濟和社會發展統計公報[N]. 福建日報, 2017-02-24(5).

    Fujian Surrey Team of National Bureau of Statistics.2016 statistical bulletin on Fujian Province's national economic and social development[N]. Fujian Daily, 2017-02-24(5).
    [24] 楊洪春. 福建省統計年鑒—2016[M]. 北京: 中國統計出版社, 2016.

    Yang H C. Fujian statistical yearbook—2016[M]. Beijing: China Statistics Press, 2016.
    [25] 張建辰, 王艷慧. 基于土地利用類型的村級人口空間分布模擬——以湖北鶴峰縣為例[J]. 地球信息科學學報, 2014, 16(3): 435-442. Zhang J C, Wang Y H. Simulation of village-level population distribution based on land use: A case study of Hefeng County in Hubei Province[J]. Journal of Geo-Information Science, 2014, 16(3): 435-442.
    [26] 葉佳婕, 吳升. 福建縣域人口與經濟空間分布關系及變化[J]. 貴州大學學報: 自然科學版, 2016, 33(5): 29-35. Ye J J, Wu S. The evolution of spatial relationship between population and economy in Fujian Province[J]. Journal of Guizhou University : Natural Sciences, 2016, 33(5): 29-35.
    [27] 葉靖, 楊小喚, 江東. 鄉鎮級人口統計數據空間化的格網尺度效應分析——以義烏市為例[J]. 地球信息科學學報, 2010, 12(1): 40-47. Ye J, Yang X H, Jiang D. The grid scale effect analysis on town leveled population statistical data spatialization[J]. Journal of Geo-Information Science, 2010, 12(1): 40-47.
    [28] 董珍珍, 王亮, 仇阿根. 基于特征分區的人口數據格網化研究[J]. 測繪與空間地理信息, 2017, 40(12): 64-67. DOI:  10.3969/j.issn.1672-5867.2017.12.016. Dong Z Z, Wang L, Qiu A G. Research on the grid transformation of population data based on the feature partition[J]. Geomatics & Spatial Information Technology, 2017, 40(12): 64-67.
  • [1] 王剛張秋平肖榮波管東生 . 土地利用、人口密度及海拔對城市熱島的影響. 云南大學學報(自然科學版), 2019, 41(1): 82-90. doi: 10.7540/j.ynu.20170584
    [2] 李燦曾和平 . 不同空間尺度下植被覆蓋對土壤有機碳流失的影響研究進展. 云南大學學報(自然科學版), 2019, 41(1): 194-204. doi: 10.7540/j.yun.20180173
    [3] 張秋媛彭明春王崇云周長威 . 基于DMSP/OLS夜間燈光數據的貴州省人口分布及影響因子分析. 云南大學學報(自然科學版), 2019, 41(5): 992-1000. doi: 10.7540/j.ynu.20180815
    [4] 張雄浩甘淑袁希平王利華楊敏陳軒 . 云南小江流域泥石流堆積扇土地利用模式分析. 云南大學學報(自然科學版), 2020, 42(3): 499-506. doi: 10.7540/j.ynu.20190448
    [5] 李秀花師慶東 . 基于TM影像和馬爾柯夫模型的新疆精河縣土地利用動態研究. 云南大學學報(自然科學版), 2011, 33(4): 406-411 .
    [6] 王煊妮張玲 . 西雙版納4種生境下的桑寄生與寄主植物多樣性及分布特點. 云南大學學報(自然科學版), 2017, 39(4): 701-711. doi: 10.7540/j.ynu.20160542
    [7] 丁劍宏尹龍師小寧段興武 . 紅河流域景觀格局演變特征研究. 云南大學學報(自然科學版), 2017, 39(5): 780-788. doi: 10.7540/j.ynu.20160636
    [8] 譚正洪梁乃申張一平寺本宗正于貴瑞閆俊華 . 熱帶森林生態系統的土壤呼吸:簡述和綜合. 云南大學學報(自然科學版), 2013, 35(6): 833-842. doi: 10.7540/j.ynu.20120596
    [9] 農定飛馬友鑫李紅梅劉文俊 . 西雙版納地區土地利用/覆蓋變化對氣溫的影響. 云南大學學報(自然科學版), 2012, 34(5): 548-553,569.
    [10] 劉海軍閆俊杰崔東孫國軍圖熱妮薩·圖爾貢 . 伊寧市土地利用結構變化及人文驅動因子分析. 云南大學學報(自然科學版), 2019, 41(2): 309-316. doi: 10.7540/j.ynu.20180108
    [11] 趙益禎曹建農張曉棟何高波 . 陜北黃土高原生態脆弱地區土地利用變化的時空分析:以志丹縣為例. 云南大學學報(自然科學版), 2020, 42(2): 299-307. doi: 10.7540/j.ynu.20190414
    [12] 程智朱保林羅連升丁小俊 . 多層次降尺度方法對安徽省月降水量預測的研究. 云南大學學報(自然科學版), 2011, 33(5): 563-568.
    [13] 彭姣朱建青 . 時間尺度上相空間中非完整系統相對運動動力學的Lie對稱性. 云南大學學報(自然科學版), 2020, 42(3): 492-498. doi: 10.7540/j.ynu.20190526
    [14] 張騰飛馬聯翔魯亞斌周國蓮 . “20030816”云南暴雨過程的中尺度分析. 云南大學學報(自然科學版), 2006, 28(2): 136-143.
    [15] 趙英敏黃永東 . a尺度r重區間正交多小波的構造. 云南大學學報(自然科學版), 2010, 32(3): 258-266 .
    [16] 張秀年段旭郭世昌 . 孟灣風暴合成分析及其中尺度特征. 云南大學學報(自然科學版), 2005, 27(2): 133-138.
    [17] 陶云段旭 . 尺度分離法在云南單點性暴雨診斷分析中的應用. 云南大學學報(自然科學版), 2003, 25(4): 344-347,351.
    [18] 尹麗云劉磊張騰飛張杰閔穎 . 云南西南部一次中尺度對流系統的地閃演變特征. 云南大學學報(自然科學版), 2013, 35(4): 495-506. doi: 10.7540/j.ynu.20120197
    [19] 王民棟徐萍陶然楊敬文 . 滇西南中尺度對流颮線的移動路徑和雷達回波特征. 云南大學學報(自然科學版), 2016, 38(1): 81-89. doi: 10.7540/j.ynu.20150077
    [20] 朱莉張騰飛尹麗云閔穎趙寧坤 . 2010年云南6.25特大暴雨中尺度特征及成因的數值模擬分析. 云南大學學報(自然科學版), 2013, 35(S1): 172-182. doi: 10.7540/j.ynu.2013b06
  • 加載中
圖(5)表(2)
計量
  • 文章訪問數:  1512
  • HTML全文瀏覽量:  1034
  • PDF下載量:  20
  • 被引次數: 0
出版歷程
  • 收稿日期:  2019-11-04
  • 錄用日期:  2020-01-16
  • 網絡出版日期:  2020-05-30
  • 刊出日期:  2020-07-01

基于土地利用類型數據的統計人口空間化模型研究:以福建省為例

    作者簡介:潘 穎(1996?),女,福建人,碩士生,主要研究方向為城市地理與城鎮規劃. E-mail:panying961224@163.com
    通訊作者: 祁新華, fjqxh74@163.com
  • 1. 福建師范大學 地理科學學院,福建 福州  350007
  • 2. 福建師范大學 地理研究所,福建 福州  350007

摘要: 文章基于福建省土地利用類型數據進行縣級統計人口的空間化,比較分區人口空間化模型與不分區人口空間化模型及不同格網大小的人口空間化精度,探討基于土地利用類型數據的統計人口空間化模型合理性及合適空間化尺度. 結果表明:采用不分區建模的方法進行人口數據空間化,最適宜的格網尺度為6 km,其格網人口抽樣精度為62.12%;采用分區建模的方法進行人口數據空間化,最適宜的格網尺度為3 km,其格網人口抽樣精度為84.41%. 鑒于此,對于福建省當前的人口空間分布,采用分區建模后3 km格網尺度的人口空間分布,能夠較精確地反映各縣市真實的人口分布情況.

English Abstract

  • 人口合理分布是國土空間開發格局優化和區域協調發展的重要內容,關系到國家政治經濟的長遠發展[1]. 精準掌握人口空間分布特征是國家制定人口經濟政策、災害防治政策的關鍵環節與重要基礎. 但常規人口統計數據多以行政區為基本單元進行數據收集與處理,因而其時空分辨率普遍偏低,難以有效地反映人口空間分布的特征與規律性,不利于人口發展趨勢預測[2]. 20世紀90年代,有學者提出將統計型人口數據與空間信息相融合的思路[3-4],人口數據空間化成為人口數據挖掘與優化的重要方向.

    國內外學者對人口數據空間化的方法開展了大量研究,取得了豐碩的成果[5-9]. 早期研究多采用建模思路模擬人口變化,并探討土地利用與人口分布的關系[10]. 其后,隨著空間分析技術的發展,部分學者開始嘗試高分辨率自然地理單元數據與人口統計數據的有機融合[11]. 近年來,人口空間化研究趨向于利用多源數據,以此揭示人口密度與土地利用、道路網密度、海拔高度等要素的內在關聯[12-14]. 當前,伴隨著移動互聯網、物聯網、大數據等技術及信息基礎設施的完善,人口空間化建模數據源進一步拓展為各種新型空間數據(如LiDAR點云、夜間燈光、OSM開源地圖數據、POI)、移動定位數據(如手機信號、出租車軌跡)與社交媒體的簽到數據(如微博、推特等的用戶簽到)等[15-18].

    上述研究主要是根據建模因子模擬人口的空間分布,未能充分考慮不同區域人口分布特征的差異性,較少將格網尺度納入人口空間化的考量范圍. 在統計人口數據空間化的過程中,地理格網尺度的差異影響顯著,已有研究表明,地理對象是尺度依存的,合適的格網能夠表現出特有的時間、空間乃至時空尺度的特征[19]. 相關學者們對此做了大量探索[20-22],構建了全球或洲際尺度的格網化人口空間數據集以及國家級的格網人口數據集. 然而,由于人口分布的影響因子眾多,不同數據源下的人口格網化結果精度和適用領域差異較大;且在以往的研究中,人口空間化過程多采用1 km×1 km的格網尺度[21],但對該格網尺度的適宜性程度卻未能夠深入探究,因此有必要根據區域特征對人口空間數據格網尺度的適應性進行全面評估.

    人類活動影響土地利用類型,同時在一定階段土地覆蓋類型反過來一定程度上限制人類活動,故土地利用數據是人口空間分布的關鍵因子. 同時,土地利用數據中的類型分類詳細程度及其圖斑的空間分辨率大小,是影響其在人口空間化中的關鍵屬性,且不同區域其土地類型的破碎程度、人口分布的集聚度存在較大的差異,故單一的土地利用類型數據可以在多大尺度、多大精度上刻畫人口的空間分布,這方面還有待進一步的研究與實證. 本研究基于土地利用類型數據,主要是考慮到其連續性、可獲得性以及與人口數據的高度匹配性,基本能夠達到本研究的目標. 鑒于此,本文選取福建省為研究區域,在分析人口分布與土地利用類型關系的基礎上,疊加不同格網尺度,比較分區人口空間化模型與不分區人口空間化模型及不同格網大小的人口空間化精度,為福建省人口數據空間化研究選擇適宜的格網尺度. 在此基礎上,探討基于土地利用類型數據的統計人口空間化模型的合理性,以期尋求人口空間化最優尺度,更好地表達人口空間分布的特征,提高人口數據的質量和精度.

    • 福建省位于北緯23°33′~28°20′、東經115°50′~120°40′之間,東西最寬約480 km,南北最長約530 km,陸域面積12.4萬km2. 地勢西北高,東南低,全省農用地面積109555 km2,建設用地面積7292 km2,未利用地面積7087 km2[23]. 福建省“依山傍?!?,森林覆蓋率達62.96%,居全國第1位,大陸海岸線長度居全國第2位,海岸地貌格局以多海灣、多半島的曲折海岸線為主體. 省內人口稠密,分布不均,總人口為3839萬人,平均人口密度為298人/ km2[24].

    • 研究使用的主要數據包括:人口統計數據、土地利用類型數據、福建?。ê?、縣、鄉鎮)行政區劃圖,數據具體信息如下.

      (1)人口統計數據 數據來自2016年福建省統計年鑒[24],包含福建省85個縣市(29個市,12個縣級市,44個縣(含金門縣))的2015年的常住人口信息. 精度檢驗使用福州市長樂區部分鄉鎮的統計人口數據以及莆田市仙游縣部分鄉鎮的統計人口數據.

      (2)行政區劃數據 包括全省縣(市、區)級和鄉(鎮、街道)級行政區劃.

      (3)土地利用類型數據 為2015年12月福建省第一次地理國情普查結束后發布于福建天地圖上的10 m×10 m分辨率的柵格數據. 普查標準時點為2015年6月30日,其利用2015年3月1日至6月30日獲取的航空航天遙感影像,對前期普查成果進行核準. 與本文人口統計數據及GDP數據為同年份,不存在時效性問題. 數據中具體包含10種土地利用類型(圖1):房屋建筑、道路、硬化地表、人工堆掘地、荒漠與裸露地表、耕地、園地、草地、林地、水體,分類依據參考地理國情普查內容與指標(GDPJ01—2013).

      圖  1  福建省土地利用類型圖(資料來源:www.fjmap.net)

      Figure 1.  Map of land use types in Fujian Province (Source: www.fjmap.net)

      (4)GDP (Gross Domestic Product) 數據 GDP數據來自于2016年福建省統計年鑒,包含福建省85個縣市(29個市,12個縣級市,44個縣)的GDP信息,該信息用于人口特征分區.

    • 本研究的數據類型有統計數據、柵格數據和矢量數據等,主要采用ArcGIS10.5進行空間數據處理,采用SPSS進行建模分析.

      首先,將統計人口數據與行政區劃空間數據屬性表關聯,得到福建省行政區劃空間數據與統計人口數據匹配后的行政區劃圖. 其次,采用CGCS2000坐標系,6度分帶下的高斯-克呂格投影作為投影標準,統一對柵格數據(土地利用類型數據)和矢量數據(行政區劃數據)進行投影轉換. 再次,根據土地利用類型與縣市級行政區劃數據,通過ArcMap10.5中的面積制表工具,統計各個縣市各類土地利用類型的面積,并將統計結果關聯到縣市級行政區劃單元. 最后,利用ArcGIS中的格網生成工具建立規則大小的格網單元(2 km×2 km、3 km×3 km、4 km×4 km、5 km×5 km、6 km×6 km、7 km×7 km、8 km×8 km),統計各尺度格網單元內各類土地利用類型的面積.

    • 在數據預處理的基礎上,對福建省各個縣市(區)進行分區;然后分別進行分區人口空間化建模和不分區人口空間化建模,并套合各格網尺度與各縣市實際人口進行比較,計算出建模誤差,判斷何種格網尺度為最適宜的格網尺度;最后進行精度檢驗,獲得最適宜的空間化模型.

    • 現階段人口空間格網化的研究大都為某一地區采用同一種模型進行構建,由于同一區域各個縣(市、區)的自然生態環境以及經濟發展狀況各不相同,人口分布的差異性顯著,造成了同一區域模擬的精度偏低,且小尺度區域人口統計不準確[25]. 福建省各地區人口經濟要素特征存在差異,為了提高人口空間化的模擬精度,需要對福建省各縣(市、區)進行特征分區.

      同時,考慮到GDP數據[26]和人口密度對福建省人口空間分布有一定的影響,故本文采取福建省各縣(市、區)人均GDP數據及平均人口密度進行人口特征分區,特征分區采用ArcGIS中的分組分析工具進行.

      從分區結果(圖2)可以看出:分區1主要包含12個縣(市、區),是福建省經濟、人口的密集區,城市化水平遠高于其他地區;分區2主要包含15個縣(市、區),人口密度和GDP處于中等水平,城市化程度也處于中等水平;分區3涵蓋了福建省68%的縣(市、區),人口密度、GDP以及城市化水平較低.

      圖  2  福建省人口特征分區(資料來源:根據2016福建省統計年鑒繪制)

      Figure 2.  Zoning map of population characteristics in Fujian Province (Source: 2016 Fujian Statistical Yearbook)

    • 考慮到不同土地利用類型與人口分布的相關性各有差異[27]. 本研究通過散點矩陣圖,選取土地利用中與人口呈線性相關的類型作為人口空間化建模的影響因子. 經過相關性分析,最終選取的土地利用類型包括房屋建筑、道路、硬化地表、人工堆掘地.

    • 基于土地利用類型的人口數據空間化建模是假定福建省各縣(市、區)同一土地利用類型中的人口均勻分布,以各土地利用類型的面積為建模因子,人口統計數據為指示因子,縣(市、區)為樣本,建立多元回歸模型. 從而得到每個土地利用類型的人口分布系數,模擬人口空間分布情況. 模型的一般形式為[28]

      $ {P}_{i}=\sum\limits_{j=1}^{n}{a}_{j}\times {S}_{ij}+b, $

      其中,$ {P}_{i} $ 為福建省 $ i $ 縣(市、區)的統計人口數;$ {a}_{j} $$ j $ 類土地利用類型的人口分布初始系數(萬人/km2);$ {S}_{ij} $ 為第 $ i $ 縣(市、區)第 $ j $ 類土地利用類型的面積(km2);$ n=4 $ 代表有4種土地利用類型,常數項 $ b $ 值為截距,根據“無土地則無人口”的原則,$ b $ 值為0.

      以福建省縣(市、區)級統計人口數據為指示因子,房屋建筑、道路、硬化地表、人工堆掘地為建模因子,建立多元線性回歸模型,利用SPSS軟件,求得各土地利用類型的人口分布初始系數 $ {a}_{j} $.

      該模型是以福建省內各縣(市、區)同一土地利用類型的人口分布系數相同為前提條件,所以根據該模型計算的人口數必然與統計人口數之間存在一定偏差. 為了保證福建省內所有格網中的人口數據之和與統計人口數相一致,需要對福建省各縣(市、區)初始人口分布系數 $ {a}_{j} $ 進行采用平差法進行校正,以獲得福建省各縣(市、區)校正后的人口分布系數 $ {a}_{ij} $. 校正公式為[28]

      $ {a}_{ij}=\frac{{P}_{i}}{{P}_{i}'}\times {a}_{j}, $

      其中,$ {a}_{ij} $ 表示福建省第 $ i $ 縣(市、區)$ j $ 類土地利用類型的人口分布系數(萬人/km2);$ \dfrac{{P}_{i}}{{P}_{i}'} $ 為校正系數($ {P}_{i} $$ i $ 縣(市、區)實際統計人口數據,$ {P}_{i}' $ 為根據模型公式反演計算得出的 $ i $ 縣(市、區)人口數據). 由此獲得的各縣(市、區)各土地利用類型的人口分布系數 $ {a}_{ij} $ 因為各縣(市、區)統計人口數不同而存在差異.

      假設各縣(市、區)的人口與格網人口具有相同的模型,將求得的各縣(市、區)級的人口空間分布線性模型應用于不同格網尺度,以房屋建筑用地人口分布系數、房屋建筑用地面積、道路用地人口分布系數、道路用地面積、硬化地表用地人口分布系數、硬化地表用地面積、人工堆掘地用地人口分布系數、人工堆掘地用地面積來反推不同尺度各格網人口. 格網人口計算公式為[28]

      $ {p}_{i}={a}_{bi}\times {S}_{bi}+{a}_{ri}\times {S}_{ri}+{a}_{ii}\times {S}_{ii}+{a}_{ai}\times {S}_{ai}, $

      其中,$ {p}_{i} $ 為網格 $ i $ 上的人口值,$ {a}_{bi} $、$ {a}_{ri} $、$ {a}_{ii} $、$ {a}_{ai} $ 分別為網格 $ i $ 上的房屋建筑用地人口分布系數、道路用地人口分布系數、硬化地表用地人口分布系數、人工堆掘地用地人口分布系數,$ {S}_{bi} $、$ {S}_{ri} $、$ {S}_{ii} $、$ {S}_{ai} $ 分別為網格 $ i $ 上的房屋建筑用地面積、道路用地面積、硬化地表用地面積、人工堆掘地用地面積.

    • 對全省每個縣(市、區)統一進行建模,模型結果如下:

      $ {\textit{P}} = 1.061{S_b} - 1.156{S_r} - 0.151{S_i} - 0.686{S_a}, $

      其中,P代表人口數(下同),$ {S}_ $、$ {S}_{r} $、$ {S}_{i} $、$ {S}_{a} $ 分別為房屋建筑用地面積、道路用地面積、硬化地表用地面積、人工堆掘地用地面積.

    • 對全省每個縣(市、區)按分區情況分別進行建模,模型結果如下.

      $\begin{split} {\text{分區1:}} \textit{P}=& 1.02{S_b} + 8.650{S_r} - \\[1.5pt] &1.104{S_i} - 7.102{S_a},\end{split} $

      $\begin{split} {\text{分區2:}}\textit{P} = &0.7{S_b} + 1.001{S_r} + \\[1.5pt] &0.376{S_i} - 0.678{S_a},\end{split} $

      $\begin{split} {\text{分區3:}}\textit{P} = &0.742{S_b} - 0.358{S_r} + \\[1.5pt] &0.085{S_i} - 0.173{S_a},\end{split} $

      其中,$ {S}_ $、$ {S}_{r} $、$ {S}_{i} $、$ {S}_{a} $ 分別為房屋建筑用地面積、道路用地面積、硬化地表用地面積、人工堆掘地用地面積.

    • 對福建省85個縣(市、區)整體進行多元統計回歸建模,將人口空間化得到的結果匯總到縣域單元與統計人口對比,并分析合適的網格尺度.

    • 不分區建模方式下雖有部分縣市的空間化結果與統計結果較為相近,但大多數縣市的空間化結果仍與統計結果誤差較大(圖3).

      圖  3  不分區建模下福建省格網人口匯總結果與縣市統計人口誤差分布柱狀圖

      Figure 3.  Histogram of aggregated population of Fujian Province and statistical population error distribution of counties and cities under general modeling

    • 由于篇幅有限,僅將模型計算生成的5、6、7 km和8 km的格網人口套合縣(市、區)行政區劃界線,與各縣(市、區)實際統計人口數據進行比較,計算各尺度格網人口與各縣(市、區)統計人口的誤差. 計算結果顯示(圖3),不分區建模下的各縣(市、區)5 km尺度格網誤差均值為34.24%;6 km尺度格網誤差均值為33.83%;7 km尺度格網誤差均值為35.96%;8 km尺度格網誤差均值為37.16%.

      (1)從不分區建模下縣(市、區)格網人口誤差均值來看,6 km格網尺度下的平均相對誤差最小,說明在該格網尺度下的模型精度相較于其他格網尺度的精度高.

      (2)從不分區建模下縣(市、區)格網人口誤差分布柱狀圖來看,8 km格網尺度的誤差偏離誤差0值較遠,振幅較大;而6 km格網尺度的誤差與誤差0值接近,振幅較小.

      (3)從不分區建模下縣(市、區)格網人口平均相對誤差分段統計表(表1)來看,5 km和8 km格網尺度下的人口誤差分布相對分散,誤差分布中心略偏向于40%;6 km和7 km格網尺度下的人口誤差分布相對集中,且6 km格網尺度下的人口誤差分布重心相較于其他格網尺度的重心更集中于0~40%,說明6 km格網尺度下的模型精度相對較高.

      尺度平均相對誤差/%縣數比例/%尺度平均相對誤差/%縣數比例/%
      5 km <20 25 29.41 7 km <20 26 30.59
      20~40 28 32.94 20~40 27 31.76
      40~60 19 22.35 40~60 18 12.18
      60~80 11 12.94 60~80 10 11.76
      >80 2 2.35 >80 4 4.71
      6 km <20 25 29.41 8 km <20 28 32.94
      20~40 31 36.47 20~40 25 29.41
      40~60 17 20 40~60 13 15.29
      60~80 10 11.76 60~80 12 14.12
      >80 2 2.35 >80 7 8.24

      表 1  不分區建模下福建省平均相對誤差分段統計表

      Table 1.  The segmentation statistics of average relative error in Fujian Province under general modeling

      (4)結合誤差分布柱狀圖以及平均相對誤差分段統計表可以看出,柘榮縣、松溪縣、屏南縣、光澤縣、武夷山市、三元區、將樂縣、周寧縣、政和縣、明溪縣、東山縣、羅源縣、福鼎市、壽寧縣、建寧縣、金門縣、順昌縣、清流縣的誤差均超過了50%,屬于誤差較大地區. 這些地區多位于閩西北地區,地形崎嶇,森林廣布,經濟發展水平低,人口稀少. 南靖縣、安溪縣、晉安區、同安區、龍海市、泉港區、仙游縣、上杭縣、永春縣、福清市、新羅區、秀嶼區、馬尾區、洛江區、豐澤區、石獅區的誤差小于20%,屬于誤差較小地區. 這些地區多位于東南沿海地區,地形平坦,經濟發展水平較高,人口稠密.

      綜上,不分區建模下獲取的4種格網尺度人口中,6 km尺度的格網誤差最小,為最適宜的格網尺度.

    • 對福建省85個縣(市、區)進行人口特征分區,分別進行多元統計回歸建模,并根據模型與土地利用數據進行人口空間化,將空間化得到的結果匯總到縣域單元與統計人口對比,進行建模精度比較,并分析合適的網格尺度.

    • 分區建模方式下縣市的空間化結果與統計結果較為相近,雖仍然有一定的誤差,但與不分區建模方式下的空間化誤差相比較?。?span class="xref">圖4).

      圖  4  分區建模下福建省格網人口與縣市統計人口誤差分布柱狀圖

      Figure 4.  Histogram of error distribution of grid population and statistical population of counties and cities in Fujian Province under partition modeling

    • 由于篇幅有限,僅將根據模型計算生成的2、3、4 km和5 km的格網人口套合縣(市、區)行政區劃界線,與各縣(市、區)實際統計人口數據進行比較,計算各尺度格網人口與統計人口的建模誤差. 計算結果顯示(圖4),分區建模下的各縣(市、區)2 km尺度格網誤差均值為46.23%;3 km尺度格網誤差均值為28.47%;4 km尺度格網誤差均值為29.79%;5 km尺度格網誤差均值為35.16%.

      (1)從分區建模下縣(市、區)格網人口誤差均值來看,3 km格網尺度下的平均相對誤差最小,說明在該格網尺度下的模型精度相比較于其它格網尺度的精度高.

      (2)從分區建模下縣(市、區)格網人口誤差分布柱狀圖來看,2 km格網尺度下的誤差值為誤差最大偏離值,2 km和5 km格網尺度的誤差偏離誤差0值較遠,振幅較大;而3 km格網尺度的誤差與誤差0值接近,振幅較小.

      (3)從分區建模下縣市格網人口平均相對誤差分段統計表(表2)來看,2 km和5 km格網尺度下的縣市人口誤差分布相對分散,誤差分布中心略偏向于35%;3 km和4 km格網尺度下的縣市人口誤差分布相對集中,且3 km格網尺度下的縣市人口誤差分布重心相較于其他格網尺度的重心更集中于0~40%,說明3 km格網尺度下的模型精度相對較高.

      尺度平均相對誤差/%縣數比例/%尺度平均相對誤差/%縣數比例/%
      <20 18 21.18 <20 36 42.35
      2 km 20~40 20 23.53 4 km 20~40 28 32.94
      40~60 24 28.24 40~60 15 17.65
      60~80 13 15.29 60~80 2 2.35
      >80 10 11.76 >80 4 4.71
      <20 33 38.82 <20 30 35.29
      3 km 20~40 31 36.47 5 km 20~40 25 29.41
      40~60 17 20 40~60 22 25.88
      60~80 1 1.17 60~80 3 3.53
      >80 3 3.53 >80 5 5.88

      表 2  分區建模下福建省平均相對誤差分段統計表

      Table 2.  The segmentation statistics of average relative errors in Fujian Province under partition modeling

      (4)從各縣(市、區)平均相對誤差分段統計表可以看出,在3 km格網尺度下,分區1的平均誤差為32.36%,其中最小誤差為豐澤區的0.16%,最大誤差為梅列區的94.82%,因分區1為沿海地區,地形多樣,人口分布復雜,故會造成較大誤差;分區2的平均誤差為30.22%,其中最小誤差為東山縣的14.35%,最大誤差為龍文區的94.33%;分區3的平均誤差為22.79%,其中最小誤差為安溪縣的0.77%,最大誤差為柘榮縣的68.62%,因分區3多為閩西北山區,土地利用多為森林,且地多人少,人口分布簡單,故誤差較小.

      綜上,分區建模下獲取的4種格網尺度人口中,3 km格網尺度的精度最高,誤差最小,是最適宜的格網尺度.

    • 為進一步分析各人口數據空間化模型的精度,將人口數據空間化模型計算得到的各尺度的格網空間化結果套合各縣(市、區)或鄉鎮級行政區劃邊界進行統計,并與縣(市、區)或鄉鎮級統計人口數據進行比較,得到平均相對誤差. 平均相對誤差公式[20]為:

      $ EP=\frac{(p-{p}_{t})}{{p}_{t}}\times 100\%, $

      其中,$ EP $ 為人口數據誤差百分比,$ p $ 為各個格網統計匯總得到的縣(市、區)或鄉鎮人口模擬值,$ {p}_{t} $ 為統計年鑒中的各縣(市、區)或鄉鎮人口統計數據.

      通過鄉鎮級行政區劃界線套合2種建模方法下最適宜的格網人口數據,與鄉鎮實際人口統計數據進行誤差檢驗,分析2種建模方法在更精細范圍內的人口精度. 驗證上述適宜尺度的格網人口數據的精度,本文以長樂區部分鄉鎮及仙游縣部分鄉鎮的統計人口數據為例.

      文中將不分區建模下生成的6 km格網人口與分區建模下生成的3 km格網人口分別與鄉鎮級行政區劃界線套合,并與鄉鎮級統計人口數據進行比較,計算不分區建模下生成的6 km格網和分區建模下生成的3 km格網人口空間數據的精度. 由鄉鎮人口誤差分布柱狀圖(圖5)可知,人口空間數據精度表現為:分區建模下生成的3 km格網人口的抽樣誤差均值為15.59%,即該建模方法下抽樣精度為84.41%;不分區建模下生成的6 km格網人口的抽樣誤差均值為37.88%,即該建模方法下抽樣精度為62.12%. 故分區建模下生成的3 km格網空間人口數據的精度較高.

      圖  5  長樂區及仙游縣部分鄉鎮人口誤差分布柱狀圖

      Figure 5.  Histogram of population error distribution in some towns in Changle District and Xianyou County

    • 本文分別采用分區建模和不分區建模2種方法,生成7種尺度的格網人口數據,進行福建省人口數據空間化,評價基于土地利用類型數據的人口空間化模型的合理性,為福建省人口數據空間化研究選擇適宜的格網尺度. 格網化的結果可以與其它要素的空間格網圖進一步疊加分析,為相關部門對不同區域單元進行人口分析提供參考.

      (1)采用不分區建模方法進行人口數據空間化,最適宜的格網尺度為6 km;采用分區建模方法進行人口數據空間化,最適宜的格網尺度為3 km.

      (2)采用不分區建模方法下6 km尺度的格網人口抽樣精度為62.12%;采用分區建模方法下3 km尺度的格網人口抽樣精度為84.41%,表明人口特征分區能夠明顯提高人口數據空間化結果的精度. 相對于6 km格網尺度而言,3 km格網尺度更能夠反映福建省人口空間分布情況,這與福建省山海兼備的地形特點有一定的關聯. 總體而言,基于土地利用類型數據建模后,得到的福建省特征分區建模下3 km格網尺度的人口空間分布,能夠較精確地反映各縣(市、區)真實的人口分布情況,且精度檢驗結果良好.

    • 基于本文現有數據基礎以及考慮到人口空間數據的實用性,兼顧福建省區域差異大且地形破碎的區域特征,受土地利用類型尺度大小、處理效率和行政區劃范圍的影響,發現分區建模方法下3 km格網是一個相對適宜的尺度,能夠高效率地對福建省人口進行空間化研究,并對于區域差異較大的同類型地區有一定的參考價值. 而且,福建省人口多集中于沿海地區,西北山地多為森林,人口較少導致內部差異性較低,分區建模后的3 km格網尺度能夠更加詳細、真實地反映出人口在福建省各個縣市的內部差異.

      雖然土地利用類型是影響人口空間分布的關鍵因素之一,但影響人口分布的因素眾多,人口數據空間化是一個十分復雜的問題,后續的相關研究可考慮以下方面問題:①本研究考慮到建模與應用的方便性,僅采用土地利用類型數據這一關鍵因素作為建模因子,著重研究是否分區以及不同空間化尺度對人口空間化所產生的影響. 其中,土地利用類型數據只使用單一尺度的數據,后續有條件可以考慮利用不同詳細分類類別的不同尺度數據,分析其對人口空間化的影響. ②本研究的精度檢驗方法是對空間網格化結果進行匯總到鄉鎮單元與抽樣的鄉鎮單元統計人口進行比較驗證,抽樣的鄉鎮具有隨機性與片面性,這就導致精度檢驗的隨機性和不全面性. 另外,這種方法檢驗精度的尺度與空間化的尺度(網格尺度)并不一致. 在統計人口空間化的研究方面,應該進一步探討如何建立更加完善、合理的精度檢驗體系,以便更加客觀評價空間化模型與影響因素,以利于進一步提高統計人口數據空間化的精確性. ③隨著多源數據豐富與數據獲取的便捷性,在后續的研究中可進一步分析影響人口分布的各因素在區域人口空間化建模中的貢獻,建立易于實現且有一定精度水平的區域人口空間化模型.

參考文獻 (28)

目錄

    /

    返回文章
    返回