基于居民地分類的人口統計數據空間化研究

陳子越

（1.福建師范大學 地理科學學院，福建 福州350007）

基于居民地分類的人口統計數據空間化研究

陳子越1

（1.福建師范大學 地理科學學院，福建 福州350007）

以福州市為研究單元，利用高精度的居民地數據，結合GIS空間分析法對人口統計數據進行空間化處理。首先分析了各相關指標與人口居住密度的相關程度，然后根據居民地面積百分比對居民地進行重新分級，再對人口空間化進行計算，最后對進一步研究方向進行了展望。

人口統計數據；空間化；居民地；福州市

準確獲取區域內人口數據及其變化信息對于解決人口與資源、環境承載力等問題具有重要的意義。人口數據的獲取通常是以行政區為單元，通過人口統計、人口普查等逐級匯總獲得[1]。人口的空間分布是指一定時間節點上人口在各區域的分布狀況，反映了人口過程在空間上的變化[2]。GIS支持下的人口統計數據表現方法是以格網為統計單元建立格網數據庫，人口數據作為格網的屬性數據以表格的形式存儲[3-5]。該方法以行政區為空間數據單元，假設人口是均勻分布在空間區域內的，而現實并非如此，因此它無法體現人口空間分布的差異性。

目前，國內外對人口統計數據空間化的研究主要有①城市地理學理論中的經典人口密度模型，主要包括Clark[6]提出的單核心人口密度負指數模型、Mcdonald[7]等提出的多核心人口密度模型等。該模型適用于對城鎮人口分布的宏觀描述，但不適應現代城市發展的不規則性和多樣性。②空間插值方法，主要包括基于面積權重的插值方法和基于數據統計的插值方法等。面積權重插值法假定人口數是均勻分布在整個區域中的，這與實際明顯不符，但在沒有其他附加信息來更好地統計時，它是一種相對有用的方法[8-9]。數學插值法主要代表是Pycnophylactic方法[10]，用于獲取平滑的人口密度表面分布，其不足之處在于如果統計區的人口沿統計區邊緣的某條異速生長模型道路或河流分布，則通過該方法所得到的人口空間化將會出現較大的誤差。③遙感、GIS支持下的人口數據空間化。遙感、GIS是目前用來進行人口統計數據空間化最主要的手段。通過遙感數據可以間接獲取與人口分布密切相關的光譜值、植被指數、土地利用、夜間燈光指數等地表因子數據，進行空間化研究。GIS技術可以建立多樣的專題要素空間分布因子庫，同時提供了曲面模擬、空間插值、地統計等多種空間分析方法[11-14]。

基于農村居住地重分類是一種改進型人口數據空間化方法，居民地是人口在空間居住情況的直觀反映，基于農村居住地重分類可以有效提高人口空間數據的精度[3-4]。在以往的研究中，居民地數據一般通過遙感影像獲得，影像的現勢性、分辨率直接影響了居民地數據的準確性和人口空間化的精度。本文以福州市為例，基于高精度的居民地分類數據，進行了人口數據空間化研究，以期對人口統計數據空間化的研究有所裨益。

1 數據來源與算法設計

1.1 數據來源

本文鄉鎮人口數據來自2010年第六次人口普查，其他數據來源于測繪部門的福州市1∶10 000等高線柵格數據、福州市道路分布數據（包含所有公路）、福州市河流分布數據，居民地數據由福州市1∶10 000等高線柵格數據中的房屋數據提取生成。

1.2 分類指標的選取與數據提取

在借鑒已有研究的基礎上，根據福州市人口、自然基礎地理信息等的實際情況，本文選取了4個分類指標作為影響居民地密度大小的因素：福州市各鄉鎮平均海拔高程、福州市各鄉鎮河流面積、福州市各鄉鎮道路長度和福州市各鄉鎮居民地面積占鄉鎮面積的百分比。獲得以上指標數據的具體步驟如下：

1）利用ArcMap的Calculate Geometry功能獲取河流面積、道路長度、居民地面積等數據的地理信息。

2）利用ArcToolBox的Spatial Join功能計算各鄉鎮的平均海拔高程、河流面積、道路長度和居民地面積。首先選擇鄉鎮面數據中需要Join的數據，設置為JOIN_ONE_ONE類型；然后自動計算該鄉鎮內的平均海拔高程、河流面積、道路長度和居民地面積；最后將福州市各指標的計算結果以專題地圖的形式輸出。

3）在已獲取數據的基礎上，利用ArcMap的屬性計算功能計算居民地密度和居民地面積百分比。計算公式為：鄉鎮居民地密度=鄉鎮統計人口/鄉鎮居民地面積；居民地面積百分比=鄉鎮居民地面積/鄉鎮面積。

1.3 指標的相關性分析

根據提取數據，在鄉鎮級尺度上，利用SPSS軟件將鄉鎮居民地數據與鄉鎮平均海拔高程、道路長度、河流面積、居民地面積百分比進行兩兩變量相關性分析，各指標的相關系數見表1。

表1 鄉鎮尺度各指標相關系數

在眾多影響人口分布的因素中，土地作為人與自然相互作用的對象，直接影響著人口的空間分布。從表1可以看出，居民地密度與平均海拔高程、道路長度、河流面積和居民地面積百分比之間都存在相關關系，其中與居民地面積百分比相關系數最大，達到-0．681 3；且居民地面積百分比與其他指標也存在相關性。因此，本文以居民地面積百分比為依據進行人口空間化的計算。

2 人口空間化的計算與實現

2.1 鄉鎮數據柵格化

由于居民地面積百分比需要在一定面積內進行計算，本文采用了一種變通的計算方法：利用ArcMap的柵格轉換工具對福州市鄉鎮面狀圖進行柵格化，將面狀居民地屬性值設為1，生成由100 m×100 m組成的鄉鎮柵格數據。在得到的福州市鄉鎮柵格圖中，居民地類型柵格單元值為1，其他類型柵格單元值為0。

2.2 鄰域統計計算

為了得到每個格網2 km范圍內居民地面積占該范圍土地總面積的百分比，需進行鄰域統計計算。在福州市鄉鎮柵格圖中，利用鄰域統計函數，即ArcMap的Spatial Analyst 模塊下的Neighborhood Statistics功能，以20為半徑（100 m×20=2 km）搜索每個柵格周邊8 個方向的柵格單元，并計算這些柵格值的均值。將該均值作為焦點柵格的新值，其實際意義為：2 km范圍內居民地面積占該范圍土地總面積的百分比，以此作為居民地分類的參考指標。

2.3 居民地密度分級與計算

在用鄰域統計函數得到居民地面積百分比柵格圖的基礎上，利用ArcGIS 軟件中的Zonal Statistics 功能，獲取每個面狀鄉鎮居民地所對應區域的柵格值，即為該居民地周圍約2 km范圍內的鄉鎮居民地占土地總面積的百分比。借鑒已有研究，本文將鄉鎮居民地分為3 級，即＜0．02、0．02～0．06和＞0．06。不同居民地密度的計算公式為：

式中，Pi為第i鄉鎮的人口；Dj為第j級居民地的人口居住密度；Aij為第i鄉鎮第j級居民地的面積；基于“無土地則無人口”的現實，截距b設置為0；n為研究區中的鄉鎮數目。在SPSS軟件中利用最小二乘法求解不同等級（＜0.02、0.02～0.06和＞0.06）的居民地百分比，其相應的居民地密度分別為22、66和160。

2.4 人口空間化實現

為了得到福州市總體鄉鎮的人口空間分布信息，需要對福州市每個格網的鄉鎮人口數據進行計算，格網的人口值=格網值×居民地密度。本文格網計算利用ArcMap的Spatial Analyst模塊下的Raster Calculator功能。計算命令語句為：conn {[out1]＜0.02， [out1]*22，[out1]＞0.06， [out1]*160， [out1]*66}。本文沒有對城鎮各格網居民地面積比進行分級，城鎮各格網的居民地密度采用求城鎮居民地密度平均值的方式計算。圖1為本文基于居民地數據所得到的福州市人口空間分布圖，與福州市各鄉鎮的人口分布實際情況較為吻合。

圖1 福州市人口空間分布圖

3 結 語

人口空間分布是一個復雜的問題，涉及經濟、社會、資源等方面，因此人口數據的空間化也是一個復雜的過程，不同的影響因素、指標體系都會間接影響人口的空間化分布。本文基于高精度居民地數據重分類，初步實現了人口的空間化研究，但僅根據居民地的分布來計算區域的最終人口而不加以討論，并不能充分、完全地解釋這種復雜的現象。因此，本文還存在以下不足：①城鎮人口空間分布的精確度有待提高。在數據處理過程中，沒有對城鎮各格網居民地面積比進行分級，是通過求取城鎮居民地密度平均值的方法得到城鎮人口空間分布的。因此，城鎮人口空間分布模型的影響因素、精度驗證等方面還有待進一步研究。與此同時，由于數據、研究方法的原因，把政府駐地等當作鄉鎮居民地進行人口空間化，可能會降低當地人口值。②沒有進行誤差分析。沒有對本文方法所得出的人口數據與實際數據之間的誤差值進行深入研究，這是本文最大的不足。此外，也未對野外采點進行定性、定量分析，就將其用于模型驗證。③數據精度問題。居民地數據的精確性影響著整個研究的成果。隨著鄉鎮地區人口的遷移流動趨勢的進一步加強，目前不少鄉鎮地區已經出現了明顯的空巢現象，而本文利用居民地提取出來的人口數據顯然無法反映這部分已經遷移出鄉鎮地區的人口情況，將對結果的精確性造成一定的影響。

[1] 廖一蘭,王勁峰,孟斌,等．人口統計數據空間化的一種方法[J]．地理學報,2007,62(10)∶1 110-1 119

[2] 胡煥庸．論中國人口之分布[M]．北京∶科學出版社,1983

[3] 江東,楊小喚,王乃斌,等．基于RS、GIS的人口空間分布研究[J]．地球科學進展,2002(10)∶734-738

[4] 楊小喚,劉業森, 江東,等．一種改進人口數據空間化的方法∶農村居住地重分類[J]．地理科學進展,2006,25(3)∶62-70

[5] 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

[6] Clark C． Urban Population Densities[J]． Journal of the Royal Statistical Society,1951,114(7)∶490-496

[7] McDonald J,Bowman H． Some Alternative Urban Population Density Functions[J]．Journal of Urban Economics,1976(3)∶241-252

[8] 潘志強,劉高煥．面插值的研究進展[J]．地理科學進展,2002, 21(3)∶146-152

[9] 呂安民,李成名,林宗堅,等．人口統計數據的空間轉換[J]．干旱區地理,2002,25(2)∶170-176

[9] Tobler W R, D Uwe, Gottsegen Jon, et al． The Global Demography Project[R]． California∶ National Center for Geographic Information and Analysis UCSB, 1995

[10] 王雪梅,李新,馬明國．干旱區內陸河流域人口統計數據的空間化∶以黑河流域為例[J]．干旱區資源與環境,2007, 21 (6)∶39-48

[11] 廖順寶,孫九林．基于GIS的青藏高原人口統計數據空間化[J]．地理學報, 2003,58(1)∶25-33

[12] 劉建軍,李春來．基于遙感和GIS的巢湖流域人口信息提取[J]．科學通報, 2002,43(23)∶1 835-1 837

[13] 王雪梅,李新,馬明國．基于遙感和GIS的人口數據空間化研究進展及案例分析[J]．遙感技術與應用,2004,19(5)∶310-318

[14] 廖順寶,李澤輝．基于人口分布與土地利用關系的人口數據空間化研究∶以西藏自治區為例[J]．自然資源學報,2003,18(6)∶659-665

P208

B

1672-4623（2016）09-0047-02

10.3969/j.issn.1672-4623.2016.09.015

陳子越，研究方向為地理科學。

2016-01-08。