基于多源数据和机器学习的人口空间化研究——以成都市为例

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。选取地形地貌、地表覆盖、植被覆盖、河流水系、交通可达、经济活跃、生活便利作为影响成都市人口分布的变量,首先根据主成分分析将变量降维,然后利用机器学习对成都市2020年人口进行空间化,将模拟结果与WorldPop和人口普查数据进行对比,得出基于随机森林模型的模拟结果准确度最高,最后通过随机森林的因子重要性分析成都市人口空间分布的影响因素。结果表明:研究结果在街道尺度整体精度均达到90%,均优于WorldPop;POI是高精度人口分布的最重要指标,夜间灯光、坡度和路网密度等对成都市人口分布也有重要作用。POI可有效提升人口空间化结果的准确性,主成分分析是综合POI因子的可行方案,随机森林模型能够有效融合多源信息,为城市层面的精细人口空间化研究提供参考。

基于多源数据与XGBoost模型的上海市人口空间化研究

以特大城市上海为研究对象,融合珞珈一号夜间灯光、兴趣点、DEM、分空间土地利用、河流等多源数据,建立多源特征数据库,基于GridSearchCV得分评价构建XGBoost模型,实现上海市100 m×100 m人口空间化,并与Worldpop人口数据集进行精度对比分析。结果表明,上海市人口分布呈多中心分布特征,LJ-01夜光数据与POI数据对人口空间化起重要的辅助作用,土地利用数据虽然对人口空间化重要性程度不高,但用地空间划分同样能体现出不同用地空间功能的差异,且本研究结果精度(R^(2)=0.98)高于Worldpop人口数据集(R^(2)=0.78),说明XGBoost模型具有较高的可靠性,可为其他大型城市人口空间化研究提供参考。

改进随机森林模型在人口空间化中的应用

基于随机森林模型的人口空间化方法未考虑人口空间分布非平衡性,利用Bootstrap采样加剧样本的不均衡性,使其不具有代表性,造成模型预测精度较低。针对此问题,本文以成都市为例,通过相关性分析提取影响人口分布的特征因子,基于K-means++聚类算法对数据集进行聚类处理,然后利用Bootstrap采样法从各簇中抽取等量的数据融合作为训练子集构建改进随机森林模型,并与传统随机森林模型进行对比。运用改进后的随机森林模型对成都市2020年人口数据进行空间化,并与WorldPop数据集进行精度对比。结果表明,基于改进随机森林的人口空间化模型整体精度达80.5%,较改进前提高了约3.4%,有效提高了模型预测精度;相较于WorldPop数据集,基于改进随机森林模型的人口空间化结果在拟合度及精度方面均较优。

基于地理国情数据的人口空间化方法

为进一步研究不同类型区域人口空间化方法,基于地理国情数据中精细化的房屋建筑分类数据和户籍人口数据,借鉴土地利用密度法的基本原理,提出了一种基于地理国情数据的适合不同区域的人口空间化方法。利用该方法,选择人口稀疏的草原地区和人口密集的城市集中发展地区2种不同类型区域,考虑居住建筑人口密度差异,开展了居住人口空间化模拟研究,得到了100 m栅格的人口居住密度图,并进行了空间分布分析。结果表明地理国情数据中的高精度建筑物分类数据能够自适应不同区域的人口空间化模拟,使用该方法能取得较好的模拟结果,不同类型区域人口空间分布格局具有明显的地域分异特征。

基于土地利用数据和夜间灯光数据的人口空间化模型对比分析——以黄河三角洲高效生态经济区为例

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,人口空间化方法推陈出新,但不同的方法各有优缺点,方法选择和精度保证是两个重要的问题。本文以黄河三角洲高效生态经济区2010年县(市、区)单元人口统计信息为案例,分别基于土地利用数据和夜间灯光数据建立1km栅格的人口空间化模型,再分别以县(市、区)和乡(镇、街道办)为验证单元,比较两种方法模拟人口分布的优缺点。结果表明,基于土地利用数据的人口空间化模型整体优于基于夜间灯光数据的人口空间化模型,且前者更适合于模拟人口总数居中的县(市、区),后者在人口密度梯度较大的城镇边缘有更好的模拟效果,在人口较少的地区二者的模拟效果均不太理想。本研究能够为获取高精度的区域人口空间化模型提供参考。

基于夜间灯光数据和多地理因子数据的人口空间化方法——以辽宁省为例

人口空间分布数据是开展灾害风险管理的基础数据,而科学、准确的人口空间化方法是实现人口空间分配的重要途径.鉴于城镇与乡村居住地在灯光数据和自然条件影响程度上的差异,本文提出一种综合利用夜间灯光数据和多地理因子数据的人口空间化方法,并以辽宁省2010年人口数据空间化为例进行方法验证.研究表明:1)夜间灯光数据在灯光值较高的城镇地区与人口密度关系显著,而地理因子加权的方法则更适用于受自然条件约束多的乡村区域;2)辽宁省人口密度在0~65 572人·km^(-2)之间,在空间上,中部平原地区人口密度较高,而两侧山地地区人口密度相对较低,与实际情况相符;3)辽宁省抽样乡镇人口平均误差为15.3%,精度验证结果表明,本文提出的人口空间化方法能够在乡镇尺度上具有较高的精度.

基于居民点密度的人口空间化及在四川九寨沟7.0级地震中的应用

采用核密度估计法得到甘肃省村级居民点密度后,运用基于居民点密度的人口密度空间化计算公式获得甘肃省1 000m×1 000m的人口密度空间格网图。经检验,格网化结果达到了较高的精度,可满足防震减灾工作对高精度人口分布信息的需求。以四川九寨沟7.0级地震甘肃境内Ⅵ度区为例,利用ArcGIS空间分析功能,将格网人口数据和统计单元人口数据分别与地震烈度进行叠加,对比受灾人口估算结果。研究结果表明,基于公里格网的受灾人口估算方法避免了行政区划分割造成的数据分配错误,能够合理反映行政单元内部的人口分布,从而保证灾情快速评估结果的实际性和有效性。

人口区划及其在人口空间化中的GIS分析应用——以山东省为例

对基于土地利用/土地覆盖类型的人口空间化方法,进行人口区划的GIS分析应用是一有效技术途径。本文在全国一级区划基础上,通过数理统计分析提取二级区划各影响因子,建立二级区划指标,进而利用空间分析技术进行人口空间化的二级分区。同时以农村居民地、城镇居民地和耕地数据建立人口空间化模型,在GIS的支持下实现山东省2000年人口统计数据空间化。并通过对比基于一级人口区划和二级人口区划的人口空间化数据,选取郯城县进行结果精度检验。验证结果表明二级人口区划后的人口空间化数据在数值精度和空间精度上都有明显提高。

基于珞珈一号夜间灯光数据的人口空间化研究

夜间灯光数据被越来越多地应用于人口空间化领域的研究中。珞珈一号夜间灯光数据是最新一代的夜间灯光数据,为探究其在人口空间化方向的应用价值和潜力,以珞珈一号夜间灯光数据和土地利用数据为源数据,在乡镇(街道)尺度上分区建立了渐进回归模型,进而得到北京市人口空间化结果,并与NPP/VIIR的结果进行对比。结果表明,珞珈一号夜间灯光数据回归结果的拟合程度和精度均优于NPP/VIIRS回归结果,且这种优势在人口密度小的区域更明显;基于珞珈一号夜间灯光数据的人口空间化结果能清晰展示城市内部人口空间分布的差异,对城市资源、环境管理具有实际意义。

城镇尺度人口空间化的地理国情数据反演——以石蟆镇为例

针对城镇尺度下的人口空间化,本文提出了一种利用地理国情数据反演小城镇人口空间分布的方法。选取重庆市江津区石蟆镇的19个行政单元为研究对象,依托地理国情数据、天地图数据和遥感影像数据等将房屋建筑数据进行重分类和提取,采用线性回归的方法建立人口统计数据与居住建筑面积的关系,然后依据相对误差理论进行居住密度修正,最后对石蟆镇人口密度进行基于规则格网的可视化。经过检验表明,根据本文方法获得的人口估计值精度较高。

基于夜光遥感的粤港澳大湾区人口空间化研究

人口数据空间化,对于分析人口分布与区域社会经济发展的关系具有重要意义。文章基于全球夜光遥感影像和珞珈一号夜光遥感影像,结合人口统计数据,建立线性回归模型对人口数据进行空间化,并通过人口重心模型和人口偏移分享模型,研究粤港澳大湾区2000—2019年的人口分布变化情况,为大湾区城市群的可持续发展提供科学依据。

顾及参数空间平稳性的地理加权人口空间化研究

近年来,人口空间化的方法理论愈趋成熟,但对人口空间化建模中变量参数的空间平稳性处理却鲜有人关注。以土地利用数据、夜间灯光数据和人口统计数据为数据源,提出一种基于半参数地理加权回归模型(semi-parametric geographically weighted regression,S-GWR)的人口空间化方法,并利用该模型在县级尺度进行常住人口空间化建模,最后以四川省为研究区进行比较论证。在分析变量特征的同时,利用S-GWR模型处理参数变量的空间平稳性,以提高人口估计的精度,最后生成四川省2010年1 km分辨率的人口空间分布图(spatial distribution of population,SDP)。结果表明,S-GWR模型的决定系数为0.903,比传统回归模型表现更好,模型拟合的效果更优。精度验证方面,通过2个常用的人口数据集进行精度对比验证;在县一级,研究区整体SDP的平均误差和每个区县的相对误差都接近于0,比其他2个数据集有更高的精度;在乡镇一级,SDP的平均相对误差、平均绝对误差和均方根误差分别为34.54%,5715.703人和12085.932人,均比其他2个数据集的误差更小,离散度效果更优;从乡镇准确估计个数来看,SDP准确估计的个数最多,达185个。因此,考虑参数的空间平稳性可以提高人口空间化的精度。

基于卫星遥感和POI数据的人口空间化研究——以广州市为例

以广州市为例,基于NPP/VIIRS夜间灯光、土地利用、POI(Points of Interest)等自然地理和社会经济因素,构建了人口空间化指标体系,采用主成分赋权法确定人口分布权重,利用GIS技术对人口统计数据进行了空间化处理。结果显示:综合考虑了自然地理和社会经济因素的人口空间化结果与真实的人口空间格局相吻合,空间分辨率为30 m,且相对误差绝对值<25%的乡镇有62个,所占比例为36.47%;而不加POI数据得到的人口空间化结果,相对绝对值<25%的乡镇有33个,所占比例约为20%,精度明显降低。结果表明:1)综合考虑NPP/VIIRS夜间灯光、土地利用、POI等自然地理和社会经济因素,有助于实现精度较高的人口空间化结果;2)将能够反映微观细节信息的POI数据引入人口空间化研究,扩展了人口空间化的数据源,并且可以提高人口空间化结果的精度。

基于POI和夜光数据的滇中地区人口空间化模拟研究

夜光数据可以间接反应人类活动的强度和范围,因此被广泛用于人类社会经济总量、城市空间格局、城市扩张等领域的数据挖掘。基于NPP/VIIRS(national polar-orbiting operational environmental satellite system preparatory project/visible infrared imaging radiometer)和LJ1-01两种夜光数据,采用空间滞后模型和空间误差模型两种回归模型进行对比,以选择适合的方法同时融入POI(point of interest)数据,分别基于500 m×500 m、150 m×150 m的格网进行人口值预测,并对预测值进行修正,最后以445个乡镇(街道)的人口统计值计算相对误差进行精度验证。结果表明:1)无论对于哪一种类型的夜光数据,空间滞后模型的精度要稍高于空间误差模型的精度。2)从R 2大小比较,LJ1-01模型人口预测精度要优于NPP/VIIRS,而LJ1-01与POI融合后的模型精度要优于LJ1-01。3)LJ1-01与POI融合后的预测精度分别比LJ1-01、NPP/VIIRS总体误差提升了2.1%、3.8%,反映出夜光数据与POI融合后可以提升模型预测的精度。4)基于LJ1-01与POI融合后的夜光数据人口预测结果,相对误差小于20%的较为准确区间段比之前的NPP/VIIRS、LJ1-01两种数据占比分别增加了19.3%、10.3%,说明LJ1-01与POI融合后数据比LJ1-01数据更具优势。

面向地震应急的人口空间化方法研究——以云南省大理白族自治州为例

为提高震后受灾人口估算精度和灾区人口空间分布可视化表达效果,以云南省大理州为研究区,结合FROM-GLC10地表覆盖数据和NPP/VIIRS夜间灯光数据,基于乡镇人口统计数据,展开人口空间化方法研究,制作了大理州50 m×50 m人口格网数据。使用相关系数、相对误差和平均相对误差对人口模拟结果进行了检验,以漾濞5.1级地震和云龙5.0级地震为例对模拟结果进行了应用分析。结果表明:①结合FROM-GLC10地表覆盖数据和NPP/VIIRS夜间灯光数据的人口空间化可以有效提取人口空间分布范围,并区分人口空间分布的差异性;②乡镇模拟人口与实际统计人口的相关系数R 2为0.955,平均相对误差为14.306%,82%的乡镇相对误差在±20%以内,人口模拟数据精度较高;③2次地震的灾区人口模拟数据与实际统计数据的相对误差分别为-1.67%和-2.27%,人口空间分布模拟结果可以直观反映灾区人口分布情况,研究成果可为震后辅助决策提供数据支持。

基于土地利用类型数据的统计人口空间化模型研究:以福建省为例

文章基于福建省土地利用类型数据进行县级统计人口的空间化,比较分区人口空间化模型与不分区人口空间化模型及不同格网大小的人口空间化精度,探讨基于土地利用类型数据的统计人口空间化模型合理性及合适空间化尺度.结果表明:采用不分区建模的方法进行人口数据空间化,最适宜的格网尺度为6 km,其格网人口抽样精度为62.12%;采用分区建模的方法进行人口数据空间化,最适宜的格网尺度为3 km,其格网人口抽样精度为84.41%.鉴于此,对于福建省当前的人口空间分布,采用分区建模后3 km格网尺度的人口空间分布,能够较精确地反映各县市真实的人口分布情况.

基于多源数据的人口空间化多方法对比研究

针对传统的人口空间化建模辅助因子单一、方法选择不够准确、结果精度低等问题,该文以长沙市为例,提出了利用NPP/VIIRS DNB夜间灯光数据、土地利用数据、DEM数据和POI数据作为建模辅助因子,通过MLR模型、GWR模型和SLM模型,建立了该区域1 km×1 km格网人口空间化模型,并比较了模型的优缺点。结果表明:1)三种模型的决定系数R 2分别为0.89、0.90、0.92,均通过了显著性检验(P<0.01);2)三个模型的模拟结果人口分布相似,即在经济发达的城区人口趋向聚集状态,而在地形地势较复杂的农村地区人口较分散;3)通过乡镇级人口统计数据对三种模型空间化结果进行比较以及误差检验得到基于GWR模型的模拟结果精度最高,其次是SLM模型,MLR模型精度最低。

基于地表覆盖及夜间灯光的分区人口空间化——以京津冀地区为例

高精度的格网人口数据能够详细地表达人口分布的实际情况,是分析区域人口活动和社会经济发展的重要数据。文章以地形复杂且人口空间分布异质性较高的京津冀地区为例,利用地表覆盖数据和NPP/VIIRS夜间灯光数据,综合考虑地形和人口密度因素对研究区进行分区,并基于区县常住人口统计数据建立逐步回归模型,模拟京津冀地区2017年500 m格网人口数据。结果表明:基于地形和人口密度因子的分区建模可提升人口格网化精度,模拟的格网人口数据与乡镇统计人口数据的平均相对误差为32.71%;79.28%的乡镇的人口空间化相对误差小于0.5,精度优于WorldPop人口数据。该方法对地形复杂且人口空间分布异质性较高区域的人口格网化研究具有借鉴意义。

一种基于分区和识别真实居住区的人口空间化方法——以雅砻江流域为例

人口空间化可直观反映人口分布的细节特征,是科学开展区域规划、资源分配、灾害评估等的重要技术。建筑物空置和人口分布区域差异是影响人口精细化空间估算的两个难点。本研究以雅砻江流域为例,提出了一种基于分区和识别真实居住区的人口空间化方法,解决了建筑数据不能反映真实人口居住情况的遥感估计技术难点。根据研究区人口分布和经济发展特征的空间分异性,将雅砻江流域分为高经济高人口密度区、高人口密度区和低人口密度区三个类型区,将建筑数据分别与夜间灯光和植被指数结合,提取真实居住区,建立顾及真实居住和区域差异性的人口空间化模型,生成精细化的雅砻江流域200 m×200 m的人口分布图(YLJ2018)。研究结果表明:(1)以建筑数据为基础,结合珞珈一号夜间灯光数据和植被指数,对真实居住区进行识别与提取,解决了房屋空置问题,避免了大面积相同人口的错分现象;(2)模型的平均相对误差(MRE)为4.51%,各分区的MRE分别为2.23%、4.35%和4%,均优于WorldPop和LandScan数据集,表明该方法能有效提高人口空间化的精度;(3)YLJ2018与WorldPop和LandScan数据集整体上具有相似的人口分布趋势,但在局部上WorldPop和LandScan数据集均存在一定程度的错分现象,而YLJ2018在低人口密度区人口主要分布在道路周边,在高人口密度区和高经济高人口密度区人口集中分布在河流附近,在人口密集区呈现从中心向外围逐渐降低的趋势,其空间化结果更加符合人口分布规律和研究区实际。因此,顾及真实居住和区域差异性的精细人口空间化方法得到的YLJ2018能够更精确地反映雅砻江流域各县(市、区)的真实人口分布情况,可以为该区经济社会发展规划和防灾减灾管理提供依据与参考。

基于土地利用和DMSP/OLS夜间灯光数据的河南省人口空间化研究

人口空间化研究是地理研究的关键问题,随着3S技术的发展及数据可视化需求的不断提高,如何获取高精度的人口空间分布数据成为研究热点。本文以人口基数大及人口增长迅速的河南省为研究对象,以2010年的土地利用数据、DMSP/OLS稳定夜间灯光数据、人口普查数据等为数据源,基于统计人口密度数据,将研究区划分为3部分。结合逐步回归分析理论,建立人口空间化模型,并在县级、乡镇级下对人口空间化结果进行精度评价,生成1 km×1 km人口密度格网图。结果表明:(1)对河南省第六次全国人口普查数据进行分区空间化,由精度验证结果可知模型效果较好;(2)在平均人口密度较高的县市,误差相对较小,说明该模型在人口稠密区空间化精度较高;(3)河南省人口空间化分布总体上呈从四周到城市中心递增的特点,人口分布圈层结构明显,主要向城市中心聚集,呈现由"圈"到"点"的聚集特征。