基于特征分區的山東省人口數據空間化研究

杜臣昌，和嫻

(青島市城市規劃設計研究院，山東 青島 266071)

人口問題關系著我國經濟社會的可持續發展，掌握人口數據及其空間分布規律有著重要的現實意義[1].目前的人口數據是以基層行政區為單元，通過統計、普查、逐級匯總而得，這種統計數據空間分辨率較低，難以反映人口的實際空間分布[2].人口數據空間化是指按照一定的規則，采用合理的技術手段，將人口統計數據分配到統計單元內部一定尺寸規則格網的過程，其可較好地解決人口數據分辨率低的問題，獲得更接近實際的人口分布情況[3].

隨著遙感(RS)和地理信息系統技術(GIS)的快速發展，采用遙感估算法對人口數據進行空間化是目前最為重要的手段之一[4].DMSP/OLS夜間燈光數據能夠敏銳探測到小規模居住用地發出的低強度燈光，在監測人類夜間活動方面有其獨特的優越性因而備受青睞[5].王釗等利用夜間燈光數據模擬了2012年江蘇省人口密度[6]，李翔等基于夜間燈光數據和空間回歸模型實現了上海市人口數據網格化[7].以上研究主要是根據夜間燈光輻射數據與人口分布的相關關系，構建回歸模型，通過獲取輻射數據的人口分布系數模擬人口分布情況，其不足之處在于沒有考慮到不同區域人口分布特征和影響因素的差異[8].為了解決這一問題，有必要進行人口分布特征分區[9].鑒于此，本文以我國人口密集地區—山東省為研究區，基于土地利用數據、社會經濟數據和DEM進行人口分布特征分區，之后利用DMSP/OLS夜間燈光輻射數據構建各分區回歸模型，進而獲取更高精度的人口空間數據，以此為基礎，探討山東省人口集中地區(Densely Inhabited District，DID)分布特征.

1 研究區域、數據來源和研究方法

1.1 區域概況

山東省位于我國東部沿海、黃河下游，地理位置為114°47′E-122°42′E，34°23′N-38°24′N，東西長721 km，南北長437 km，陸域面積15.58×104km2.屬于暖溫帶季風氣候，降水集中，雨熱同季，春秋短暫，冬夏較長.全省共轄17個地級市137個縣級單元.2013年全省總人口9733萬人，平均人口密度為624人/km2，約為全國人口密度的4.3倍.

1.2 數據源及預處理

本研究采用的數據包括土地利用、DMSP/OLS夜間燈光、DEM、縣級行政界線、人口與經濟統計數據(表1).其中，土地利用數據由國家地球系統科學數據共享服務平臺提供，主要包含耕地、林地、草地、水域、建設用地與未利用地6個一級土地利用類型，分辨率為100 m×100 m；在此數據基礎上，生成1 km土地利用成分柵格數據.DMSP/OLS夜間燈光采用美國國家地球物理數據中心(NGDC)的F182013產品，其灰度值范圍為0-63.DEM數據由地理空間數據云提供，分辨率為30 m×30 m.行政邊界數據國家地球系統科學數據共享服務平臺提供，比例尺為1∶40萬.人口與經濟統計數據來自2014年山東省17個地級市統計年鑒.

所有數據統一投影至Krasovsky_1940_Alebers坐標系下，并裁剪到研究區范圍.利用ArcGIS空間分析功能，統計出各縣級單元夜間燈光強度之和、各類土地利用比例、平均高程等.

表1 數據來源及主要參數

1.3 研究方法

1.3.1 人口分布特征分區

人口分布特征分區可以將具有相似人口空間分布特征和影響因素的區域劃分到同一個區，便于分區構建人口數據空間化模型.選取了與人口分布密切相關的人口密度、GDP密度、高程、耕地面積比例、建設用地面積比例等多個指標；基于指標對137個縣級單元進行聚類分析，最終得到5個人口分布特征分區(表2).分區1包含6個人口密集且經濟發達市轄區，其人口密度、GDP密度及建設用地面積比例遠高于其他地區，平均高程低于其他地區.分區2包含28個縣級單元，其人口密度、GDP密度、建設用地面積比例處于較高水平.分區3、分區4和分區5，人口密度、耕地面積比例、建設用地面積比例相當，但GDP密度存在明顯差異.

表2 分區指標統計表

1.3.2 人口數據空間化方法

本文對每個分區單獨構建人口與夜間燈光輻射的線性回歸模型，進而模擬人口空間分布.模型公式如下：

Pi=k×nli+b

(1)

式中：P為某分區下第i縣的統計人口數；k為夜間燈光強度系數；nli為該縣的燈光強度值.考慮到某些無燈光區域(如水域)沒有人口分布，因而將b設為0.

2 人口數據空間化結果分析

2.1 誤差分析

以縣級行政區劃為單元，統計人口分布特征分區前、分區后的各誤差值范圍內的縣級單元個數、模型調整R2、平均相對誤差，結果如表3所示.表3表明，分區后，各分區的平均相對誤差較分區前分別降低了11.85%、20.55%、12.05%、7.36%、20.73%.絕對值≥40%的縣級單元個數除分區1保持不變外，其余4個分區明顯減少，所占全部縣級單元的比例由分區前的51.82%降低到29.20%；絕對值≤20%的縣級單元個數由分區前的34個增加到55個，所占全部縣級單元的比例由分區前的24.82%增加到40.16%.對整個區域而言，平均相對誤差由分區前的36.05%降低到21.47%，即分區后平均相對誤差降低了14.58%.在山東省137個縣級單元中，共有89個縣級單元的平均相對誤差絕對值數值得到降低，比例達到64.96%.另外，分區后各分區的模型調整R2均高于0.9，與分區前相比，均有明顯提高.這表明人口分布特征分區明顯提高了人口數據空間化結果的精度.

表3 分區前后各分區誤差統計

注：N*表示為分區前；Y*表示分區后

2.2 空間分布分析

2013年山東省人口空間化分布表明，濟南、青島、煙臺等發達城市部分市轄區人口數量明顯高于一般區縣，且市中心區域集聚了大量人口，離市中心區域越遠，人口數量越少.對于一般區縣而言，縣中心區域集聚了大量人口，離縣中心越遠，人口分布也越少.這種結果符合實際情況，且體現了人口分布在空間上的差異性和集聚性，因此成果可以用來反映實際的人口分布規律.與人口統計數據相比，成果比較直觀且空間分辨率較高，因而可以為制定區域人口、經濟、生態和社會發展政策提供數據支撐.

2.3 DID分析

DID是日本用來指人口密度為4000人/km2以上的調查區或市區町村內互相鄰接、合計人口在5000以上的調查區.在我國，與日本DID對應的為建成區，是指城市建設連片，基礎設施和公用設施到達的地區.對比兩個概念可知，建成區主要針對城市規劃建設而言，DID主要針對人口分布而言.前者有我國“城鄉二元結構”的烙印，這是因為建成區附近有大量村莊(“城中村”)實際上已經具有城市特征，但卻沒有計入建成區范疇，而后者可以有效解決上述問題，且能夠解釋諸如“鬼城”等不合理的城市化現象.因而《中國城市綜合發展指標2017》引入了DID的概念，并基于我國的人口分布特點，認為其為“人口密度在5000人/km2以上的地區”.

表4為青島省各城市DID指標統計表.青島市、煙臺市、濰坊市、濟南市、臨沂市的DID總面積較大，居于山東省前5位，其中青島市作為山東省經濟中心，DID總面積、最大DID面積、DID比例三項指標均位居首位，反映了青島較強的人才、產業、資源的凝聚能力；濟南市作為山東省政治中心，雖然其DID總面積僅居第四位，但其最大DID面積、DID比例僅次于青島市，明顯領先于其他地級市，反映了其較強的發展潛力；臨沂市作為山東省第一人口大市、魯東南地區中心城市、商貿物流中心，其DID總面積也較大.淄博市、濟寧市、濱州市、威海市、德州市、日照市、東營市的DID總面積、最大DID面積、DID比例均局于中游水平，表明這些城市存在一定的發展潛力.菏澤市、聊城市、泰安市、棗莊市、萊蕪市的DID總面積較小，其中菏澤市雖然人口數居于山東省第三位，但DID比例全省最低，應發揮人口總量對DID增長的促進作用；棗莊市的最大DID位于其下轄縣級市(滕州市)，表明其中心城區在DID發展方面弱于滕州市，應積極推動其中心城區的發展.

表4 山東省各城市DID指標統計表

3 結 論

本文以我國人口密集地區—山東省為研究區，基于土地利用數據、社會經濟數據和DEM進行人口分布特征分區，之后利用DMSP/OLS夜間燈光輻射數據和線性回歸模型進行各分區的人口數據空間化處理，進而探討了人口分布特征分區的效果和基于研究結果的山東省DID分布特征.結果表明：

(1)經過人口分布特征分區，超過60%縣級單元的平均相對誤差絕對值得到降低，相對誤差值小于20%的縣級單元個數比例由分區前的24.82%增加到38.69%，相對誤差值大于40%的縣級單元個數比例由分區前的51.82%降低到29.20%，且模型的調整R2值明顯提高，這表明人口分布特征分區能夠明顯提高人口數據空間化結果的精度.

(2)人口空間化分布結果表明市中心和縣中心集聚了大量人口，體現了人口分布在空間上的差異性和集聚性.

(3)DID分析結果表明青島市、煙臺市、濰坊市、濟南市、臨沂市的DID總面積較大，反映了它們較強的人才、產業、資源的凝聚能力；菏澤市、聊城市、泰安市、棗莊市、萊蕪市的DID總面積較小，表明這些城市具有一定的發展潛力.

致謝：感謝國家科技基礎條件平臺-國家地球系統科學數據共享服務平臺(http://www.geodata.cn)提供數據支撐.