福建省县域人口-经济时空分异及影响因素研究

根据人口、经济及其相关指标数据,运用人口地理集中度、经济地理集中度和人口-经济匹配指数,对福建省人口与经济之间耦合关系和空间差异进行研究,并对其影响因素进行分析。结果表明:人口地理集中度在阈值为1时呈现东—西两级分异;经济地理集中度在阈值为1时呈现闽东和闽东南集聚态势,将人口-经济匹配指数按3类划分,2010—2021年期间同类型县域逐渐呈现集聚效应,福建省县域人口-经济匹配度整体有趋好态势,但匹配程度仍有待提高,人口-经济稳定型逐渐形成一个“U”字形,与福建省“十四五”规划较为吻合,说明该划分有利于宏观决策。在今后的发展中,福建省仍要注重区域间人口与经济发展水平相协调。

基于NPP-VIIRS的福建省人口网格化方法改进对比分析

基于夜间灯光人口校正指数(NANI)、城市夜间灯光校正指数(VANUI)、人居指数(HSI)3种指数修正NPP-VIIRS夜间灯光过饱和与溢出效应的修正模型,直接面向网格,采用按县域中有人口分布的网格数加权,使用最小二乘法回归对人口空间网格化,并随机抽取一定比例网格化后的乡镇域样本加以验证.结果表明:(1)3种修正模型改进后的网格化系数均通过p=0.001的统计学意义检验,拟合优度增加、预测标准误差大幅降低;(2) 3种修正模型的人口绝对误差(MAE)、人口纯方根误差(RMSE)、人口相对误差(MRE)值均有较大幅度降低;(3) 3种修正模型两两之间的夹角余弦系数为0.981~0.996,每个网格绝对距离为29.1~75.8人,同一性大,互证有效.说明3种修正模型的改进既考虑了县域规模差异的影响又避免了建模过程中行政单元与网格单元的尺度变换,显著提高了人口网格化精度.

NPP-VIIRS与加权回归的人口网格化方法改进——以福建省为例

基于GIS空间分析,利用NDVI修正NPP-VIIRS夜间灯光数据过饱和与溢出效应(定义为NANI模型)后作为自变量,采用直接面向格网的加权个案和按县域中有人口分布的网格数加权最小二乘法进行回归;进而按镇乡尺度零误差调整,实现福建省人口普查数据空间网格化的方法改进,并用随机抽取乡镇域样本验证改进后效果.结果表明:改进后的人口网格化既考虑了县域规模差异的影响,又避免了建模过程中行政区划与网格之间的尺度变换.该结果通过了P=0.001的显著性检验,网格人口与乡镇域人口数的平均和加权平均的绝对误差、圴方根误差、相对误差均比方法改进前小,显著提高了人口网格化的精度.

基于DMSP-OLS灯光数据的广东省城市人口估算

使用DMSP/OLS近20年数据对广东省城市的人口规模进行估算.首先,对广东省的DMSP/OLS数据进行校正.以2000、2010年人口普查数据与灯光数据为样本,构建"灰度密度-人口密度"模型,估算广东21个地级市常住人口.该模型既充分考虑灰度阀值的设定对人口估算结果的影响,又考虑城市人口数量变化在灯光灰度总值和灯光覆盖面积这2个变量上的体现.由于使用灯光数据指标与人口数据指标的比值作为估算基础,各城市的估算函数参数均不同,符合各城市经济发展状况和人口分布特点.通过2005年全国1%人口抽样数据检验,21个地级市平均估算相对误差为3.69%,全省总常住人口估算相对误差为5.02%,证明该模型能有效地估算广东省各地级市的人口规模.与已有的人口统计数据获取途径相比,该文构建的模型比传统的人口统计方法增强了时效性,又比其他遥感估算方法节省了地物判读和解译的步骤,且估算误差更小.基于DMSP/OLS数据的城市人口估算对研究中国城市人口规模具有重要的应用价值.

基于DMSP/OLS修正的福建省人口数据网格化

基于福建省人口普查的县域常住人口、DMSP/OLS、NDVI等数据,据研究的植被指数能有效降低夜间灯光数据过饱和问题,结合植被指数改进优化HSI指数模型.在改进的HSI指数下,基于地理探测器分区后分别直接以常住人口的网格个数为权进行加权个案与加权最小二乘法进行人口网格化建模,再进行人口零误差调整得到1 km×1 km尺度的福建省人口统计数据网格化.结果表明:结合地理探测器的改进HSI指数模型能优化夜间灯光过饱和,有效回避可变面元效应等问题,提高模型拟合精度,对人口网格化效果更好,更符合实际的人口空间分布.

中国人口老龄化地域分异及影响因素研究

人口老龄化给我国社会发展带来了多方面的影响。运用定量测度法并借助GIS软件制作了人口老龄化地域分异专题图,从时空角度对我国人口老龄化的地域分异以及影响因素进行研究。结果表明,我国人口老龄化地区差异非常明显,人口老龄化速度较快地区呈现由东部沿海省份向中、西部省份转移的趋势;经济发展水平、文化教育水平、人口出生率、死亡率及人口流动因素是影响这种差异存在的主要原因。因此,在此基础上给出我国应对人口老龄化地域分异及其不利影响的政策建议,以促进我国经济社会持续健康发展。

顾及时空因素的国家恐怖袭击事件Cox回归分析

Cox回归模型能够对事件发生时间及其影响因素进行有效关联,是面向事件数据生存分析的重要方法。基础的Cox回归模型仅能对单次独特事件进行研究,通过事件分组、事件起始时间设置调整后的模型能够对重复事件进行解析,尽管现有的Cox模型能够处理时变解释变量,但仍不能考虑事件时空因素的综合影响。国家恐怖袭击事件的不同生存状态是重复出现的,因此,基于全球恐怖主义数据库,以国家恐怖袭击高风险状态再次发生的概率为研究对象,通过引入时间交互、空间滞后解释变量,提出一种顾及多种时空因素的重复事件Cox回归分析方法。结果表明,1995—2016年,相比于经济社会与地理类因素,政治、军事类因素对国家恐怖袭击高风险状态再次发生概率的影响程度更为明显。引入时间交互、空间滞后解释变量的Cox模型回归效果有所提高,空间滞后解释变量对国家高风险状态的发生概率作用显著,时空因素的引入具有重要意义。