人口密度模拟研究

(重庆交通大学 土木工程学院 重庆 400074)

一、绪论

(一)人口密度空间化研究背景

人口的空间分布是指一定时点上人口在各地区的分布状况，是人口过程在空间的表现形式[1]。传统的人口数据主要来源于人口普查，而且是以行政区划为基本单元的统计数据集，在实际应用时存在数据空间分辨率低、不准确以及更新周期长等问题[2].60 年代以来，人口空间分布研究进入定量化、定位化阶段，进入新的研究领域[3]。GIS 与遥感(RS)越来越多地应用于人口空间分布中“社会数据空间化”“空间数据社会化”成为当前地理科学、社会科学共同关注的焦点之一。

(二)国内外研究现状

20世纪50年代初期Clark[5]指出城市人口密度从城市中心向外围表现为近指数式衰减，McDonald(1989)[5]对20世纪70年代至80年代后半期有关城市内人口密度分布的论文进行了整理[6]，运用了Box-Cox变换确定最佳函数类型[7]。符跃鑫等解析了不同时间段沿海城市人口密度时空变化特征[8]；刘燕华等(2001)运用GIS技术分析并计算了中国各省的理论人口密度分布[9]。

(三)研究内容

本文针对landsat遥感影像信息，参照《城市用地分类与规划建设用地标准》(GB50137)建立建筑物分类标准，提出人口密度空间化的网格单元面积权重内插法。实现人口密度的三维空间模型表达，直观地反映了人口密度的空间分布状态[14]。

二、研究方法

(一)提取建筑物信息

本文根据建筑指数法来提取建筑用地信息，建筑用地类型反射电磁波谱具有明显的异质性。利用其反射波普的异质性根据不同的运算公式来提取不同的地物，本文主要提取建筑物信息：

MNDWI=(Green-MIR)/(Green+MIR)

NDBI=(MIR-NIR)/(MIR+NIR)

SAVI=[(NIR-Red)(1+L)]/(NIR+Red+L)IBI=[NDBI-(SAVI+MNDWI)/2]/[NDBI+(SAVI+MNDWI)/2]

SAVI是土壤调节植被指数，NDBIW是归一化建筑指数，MNDWI为改进型。归一化水体指数，IBI为建筑用地指数，Green，Red，NIR,MIR分别代表绿光，红光，近红外和中红外波段的像元值。L为土壤调节因子，其值介于0-1之间。城 市植被 覆盖率 高于 30%时,也可以用NDVI来作为植被指数。

NDVI=(NIR-Red)/(NIR+R)

(二)精度验证

在图像上随机选择多个采样点，选择200个样本点进行分析，跟googleEarth影像进行对比，验证结果的精度。

(三)基于城市人口分布的建筑用地分类

参照《城市用地分类与规划建设标准》(GBJ137-2011)，进行提取出的建筑用地的分类，按照分类标准可分为“一类居住用地”、二类居住用地”等。

三、人口密度空间化方法

面积权重内插法主要思路是：首先在源数据区域叠加目标数据区域，然后确定每个源数据区域落在某一目标区域的面积比例，根据面积比例分配属性值(人口密度)。对于图像平滑而言，邻域平均法是一种简单的空域处理方法。邻域平滑方法中点(X，Y)灰度值是平滑模板的均值，因此在人口密度空间化时也可以借助这一思路，在地图上划分方格，然后求取每一方格区域中的灰度值，即人口密度。

四、结论

根据所得到的数据制作人口密度分布图，并查看其人口分布变化。人口问题一直是值得我们研究的一个话题，特别是在人口众多的我国更需要我们随时的掌握人口分布动向，便于更好的处理像地震等的突发状况，处理好减少伤害，更好的管理我们人民；本文主要以Arcgis为数据分析平台，Landsat影像为数据来源，将遥感影像与GIS结合进行时空模拟分析，得到人口分布状况，人口密度的时空变化受自然条件和社会条件的影响，良好的自然条件是人口分布的基础条件，经济发展水平是其驱动因素，趋使人口密度产生变化，土地利用类型的空间格局是影响人口密度的主要因素，土地利用类型的不同决定其人口吸引率。人口密度与区域发展相互影响，相互制约。自然条件和经济条件都良好的区域内，有较大的人口包容量。