基于居民地分类的人口统计数据空间化研究

陈子越

（1.福建师范大学 地理科学学院，福建 福州350007）

基于居民地分类的人口统计数据空间化研究

陈子越1

（1.福建师范大学 地理科学学院，福建 福州350007）

以福州市为研究单元，利用高精度的居民地数据，结合GIS空间分析法对人口统计数据进行空间化处理。首先分析了各相关指标与人口居住密度的相关程度，然后根据居民地面积百分比对居民地进行重新分级，再对人口空间化进行计算，最后对进一步研究方向进行了展望。

人口统计数据；空间化；居民地；福州市

准确获取区域内人口数据及其变化信息对于解决人口与资源、环境承载力等问题具有重要的意义。人口数据的获取通常是以行政区为单元，通过人口统计、人口普查等逐级汇总获得[1]。人口的空间分布是指一定时间节点上人口在各区域的分布状况，反映了人口过程在空间上的变化[2]。GIS支持下的人口统计数据表现方法是以格网为统计单元建立格网数据库，人口数据作为格网的属性数据以表格的形式存储[3-5]。该方法以行政区为空间数据单元，假设人口是均匀分布在空间区域内的，而现实并非如此，因此它无法体现人口空间分布的差异性。

目前，国内外对人口统计数据空间化的研究主要有①城市地理学理论中的经典人口密度模型，主要包括Clark[6]提出的单核心人口密度负指数模型、Mcdonald[7]等提出的多核心人口密度模型等。该模型适用于对城镇人口分布的宏观描述，但不适应现代城市发展的不规则性和多样性。②空间插值方法，主要包括基于面积权重的插值方法和基于数据统计的插值方法等。面积权重插值法假定人口数是均匀分布在整个区域中的，这与实际明显不符，但在没有其他附加信息来更好地统计时，它是一种相对有用的方法[8-9]。数学插值法主要代表是Pycnophylactic方法[10]，用于获取平滑的人口密度表面分布，其不足之处在于如果统计区的人口沿统计区边缘的某条异速生长模型道路或河流分布，则通过该方法所得到的人口空间化将会出现较大的误差。③遥感、GIS支持下的人口数据空间化。遥感、GIS是目前用来进行人口统计数据空间化最主要的手段。通过遥感数据可以间接获取与人口分布密切相关的光谱值、植被指数、土地利用、夜间灯光指数等地表因子数据，进行空间化研究。GIS技术可以建立多样的专题要素空间分布因子库，同时提供了曲面模拟、空间插值、地统计等多种空间分析方法[11-14]。

基于农村居住地重分类是一种改进型人口数据空间化方法，居民地是人口在空间居住情况的直观反映，基于农村居住地重分类可以有效提高人口空间数据的精度[3-4]。在以往的研究中，居民地数据一般通过遥感影像获得，影像的现势性、分辨率直接影响了居民地数据的准确性和人口空间化的精度。本文以福州市为例，基于高精度的居民地分类数据，进行了人口数据空间化研究，以期对人口统计数据空间化的研究有所裨益。

1 数据来源与算法设计

1.1 数据来源

本文乡镇人口数据来自2010年第六次人口普查，其他数据来源于测绘部门的福州市1∶10 000等高线栅格数据、福州市道路分布数据（包含所有公路）、福州市河流分布数据，居民地数据由福州市1∶10 000等高线栅格数据中的房屋数据提取生成。

1.2 分类指标的选取与数据提取

在借鉴已有研究的基础上，根据福州市人口、自然基础地理信息等的实际情况，本文选取了4个分类指标作为影响居民地密度大小的因素：福州市各乡镇平均海拔高程、福州市各乡镇河流面积、福州市各乡镇道路长度和福州市各乡镇居民地面积占乡镇面积的百分比。获得以上指标数据的具体步骤如下：

1）利用ArcMap的Calculate Geometry功能获取河流面积、道路长度、居民地面积等数据的地理信息。

2）利用ArcToolBox的Spatial Join功能计算各乡镇的平均海拔高程、河流面积、道路长度和居民地面积。首先选择乡镇面数据中需要Join的数据，设置为JOIN_ONE_ONE类型；然后自动计算该乡镇内的平均海拔高程、河流面积、道路长度和居民地面积；最后将福州市各指标的计算结果以专题地图的形式输出。

3）在已获取数据的基础上，利用ArcMap的属性计算功能计算居民地密度和居民地面积百分比。计算公式为：乡镇居民地密度=乡镇统计人口/乡镇居民地面积；居民地面积百分比=乡镇居民地面积/乡镇面积。

1.3 指标的相关性分析

根据提取数据，在乡镇级尺度上，利用SPSS软件将乡镇居民地数据与乡镇平均海拔高程、道路长度、河流面积、居民地面积百分比进行两两变量相关性分析，各指标的相关系数见表1。

表1 乡镇尺度各指标相关系数

在众多影响人口分布的因素中，土地作为人与自然相互作用的对象，直接影响着人口的空间分布。从表1可以看出，居民地密度与平均海拔高程、道路长度、河流面积和居民地面积百分比之间都存在相关关系，其中与居民地面积百分比相关系数最大，达到-0．681 3；且居民地面积百分比与其他指标也存在相关性。因此，本文以居民地面积百分比为依据进行人口空间化的计算。

2 人口空间化的计算与实现

2.1 乡镇数据栅格化

由于居民地面积百分比需要在一定面积内进行计算，本文采用了一种变通的计算方法：利用ArcMap的栅格转换工具对福州市乡镇面状图进行栅格化，将面状居民地属性值设为1，生成由100 m×100 m组成的乡镇栅格数据。在得到的福州市乡镇栅格图中，居民地类型栅格单元值为1，其他类型栅格单元值为0。

2.2 邻域统计计算

为了得到每个格网2 km范围内居民地面积占该范围土地总面积的百分比，需进行邻域统计计算。在福州市乡镇栅格图中，利用邻域统计函数，即ArcMap的Spatial Analyst 模块下的Neighborhood Statistics功能，以20为半径（100 m×20=2 km）搜索每个栅格周边8 个方向的栅格单元，并计算这些栅格值的均值。将该均值作为焦点栅格的新值，其实际意义为：2 km范围内居民地面积占该范围土地总面积的百分比，以此作为居民地分类的参考指标。

2.3 居民地密度分级与计算

在用邻域统计函数得到居民地面积百分比栅格图的基础上，利用ArcGIS 软件中的Zonal Statistics 功能，获取每个面状乡镇居民地所对应区域的栅格值，即为该居民地周围约2 km范围内的乡镇居民地占土地总面积的百分比。借鉴已有研究，本文将乡镇居民地分为3 级，即＜0．02、0．02～0．06和＞0．06。不同居民地密度的计算公式为：

式中，Pi为第i乡镇的人口；Dj为第j级居民地的人口居住密度；Aij为第i乡镇第j级居民地的面积；基于“无土地则无人口”的现实，截距b设置为0；n为研究区中的乡镇数目。在SPSS软件中利用最小二乘法求解不同等级（＜0.02、0.02～0.06和＞0.06）的居民地百分比，其相应的居民地密度分别为22、66和160。

2.4 人口空间化实现

为了得到福州市总体乡镇的人口空间分布信息，需要对福州市每个格网的乡镇人口数据进行计算，格网的人口值=格网值×居民地密度。本文格网计算利用ArcMap的Spatial Analyst模块下的Raster Calculator功能。计算命令语句为：conn {[out1]＜0.02， [out1]*22，[out1]＞0.06， [out1]*160， [out1]*66}。本文没有对城镇各格网居民地面积比进行分级，城镇各格网的居民地密度采用求城镇居民地密度平均值的方式计算。图1为本文基于居民地数据所得到的福州市人口空间分布图，与福州市各乡镇的人口分布实际情况较为吻合。

图1 福州市人口空间分布图

3 结 语

人口空间分布是一个复杂的问题，涉及经济、社会、资源等方面，因此人口数据的空间化也是一个复杂的过程，不同的影响因素、指标体系都会间接影响人口的空间化分布。本文基于高精度居民地数据重分类，初步实现了人口的空间化研究，但仅根据居民地的分布来计算区域的最终人口而不加以讨论，并不能充分、完全地解释这种复杂的现象。因此，本文还存在以下不足：①城镇人口空间分布的精确度有待提高。在数据处理过程中，没有对城镇各格网居民地面积比进行分级，是通过求取城镇居民地密度平均值的方法得到城镇人口空间分布的。因此，城镇人口空间分布模型的影响因素、精度验证等方面还有待进一步研究。与此同时，由于数据、研究方法的原因，把政府驻地等当作乡镇居民地进行人口空间化，可能会降低当地人口值。②没有进行误差分析。没有对本文方法所得出的人口数据与实际数据之间的误差值进行深入研究，这是本文最大的不足。此外，也未对野外采点进行定性、定量分析，就将其用于模型验证。③数据精度问题。居民地数据的精确性影响着整个研究的成果。随着乡镇地区人口的迁移流动趋势的进一步加强，目前不少乡镇地区已经出现了明显的空巢现象，而本文利用居民地提取出来的人口数据显然无法反映这部分已经迁移出乡镇地区的人口情况，将对结果的精确性造成一定的影响。

[1] 廖一兰,王劲峰,孟斌,等．人口统计数据空间化的一种方法[J]．地理学报,2007,62(10)∶1 110-1 119

[2] 胡焕庸．论中国人口之分布[M]．北京∶科学出版社,1983

[3] 江东,杨小唤,王乃斌,等．基于RS、GIS的人口空间分布研究[J]．地球科学进展,2002(10)∶734-738

[4] 杨小唤,刘业森, 江东,等．一种改进人口数据空间化的方法∶农村居住地重分类[J]．地理科学进展,2006,25(3)∶62-70

[5] 柏中强,王卷乐,杨飞．人口数据空间化研究综述[J]．地理科学进展,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] 潘志强,刘高焕．面插值的研究进展[J]．地理科学进展,2002, 21(3)∶146-152

[9] 吕安民,李成名,林宗坚,等．人口统计数据的空间转换[J]．干旱区地理,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,马明国．干旱区内陆河流域人口统计数据的空间化∶以黑河流域为例[J]．干旱区资源与环境,2007, 21 (6)∶39-48

[11] 廖顺宝,孙九林．基于GIS的青藏高原人口统计数据空间化[J]．地理学报, 2003,58(1)∶25-33

[12] 刘建军,李春来．基于遥感和GIS的巢湖流域人口信息提取[J]．科学通报, 2002,43(23)∶1 835-1 837

[13] 王雪梅,李新,马明国．基于遥感和GIS的人口数据空间化研究进展及案例分析[J]．遥感技术与应用,2004,19(5)∶310-318

[14] 廖顺宝,李泽辉．基于人口分布与土地利用关系的人口数据空间化研究∶以西藏自治区为例[J]．自然资源学报,2003,18(6)∶659-665

P208

B

1672-4623（2016）09-0047-02

10.3969/j.issn.1672-4623.2016.09.015

陈子越，研究方向为地理科学。

2016-01-08。