基于特征分区的山东省人口数据空间化研究

杜臣昌，和娴

(青岛市城市规划设计研究院，山东 青岛 266071)

摘 要： 相对于人口统计数据，人口空间分布数据更能反映人口的实际分布情况.本文以我国人口密集地区—山东省为研究区，在人口分布特征分区的基础上进行了人口空间数据化处理，并探讨了人口分布特征分区的效果和基于研究结果的山东省人口集中地区(Densely Inhabited District，DID)分布特征.结果表明：经过人口分布特征分区，各分区模型的调整R²均在0.9以上，人口空间数据总体平均误差值较分区前降低了14.58%，表明该方法在提高人口数据空间化模型精度的基础上能够展现人口空间分布规律.DID分析结果表明青岛市、烟台市、潍坊市、济南市、临沂市等城市有较强的人才、产业、资源的凝聚能力.

关键词： 人口数据空间化；分区；DMSP/OLS；山东省；DID

人口问题关系着我国经济社会的可持续发展，掌握人口数据及其空间分布规律有着重要的现实意义^[1].目前的人口数据是以基层行政区为单元，通过统计、普查、逐级汇总而得，这种统计数据空间分辨率较低，难以反映人口的实际空间分布^[2].人口数据空间化是指按照一定的规则，采用合理的技术手段，将人口统计数据分配到统计单元内部一定尺寸规则格网的过程，其可较好地解决人口数据分辨率低的问题，获得更接近实际的人口分布情况^[3].

随着遥感(RS)和地理信息系统技术(GIS)的快速发展，采用遥感估算法对人口数据进行空间化是目前最为重要的手段之一^[4].DMSP/OLS夜间灯光数据能够敏锐探测到小规模居住用地发出的低强度灯光，在监测人类夜间活动方面有其独特的优越性因而备受青睐^[5].王钊等利用夜间灯光数据模拟了2012年江苏省人口密度^[6]，李翔等基于夜间灯光数据和空间回归模型实现了上海市人口数据网格化^[7].以上研究主要是根据夜间灯光辐射数据与人口分布的相关关系，构建回归模型，通过获取辐射数据的人口分布系数模拟人口分布情况，其不足之处在于没有考虑到不同区域人口分布特征和影响因素的差异^[8].为了解决这一问题，有必要进行人口分布特征分区^[9].鉴于此，本文以我国人口密集地区—山东省为研究区，基于土地利用数据、社会经济数据和DEM进行人口分布特征分区，之后利用DMSP/OLS夜间灯光辐射数据构建各分区回归模型，进而获取更高精度的人口空间数据，以此为基础，探讨山东省人口集中地区(Densely Inhabited District，DID)分布特征.

1 研究区域、数据来源和研究方法

1.1 区域概况

山东省位于我国东部沿海、黄河下游，地理位置为114°47′E-122°42′E，34°23′N-38°24′N，东西长721 km，南北长437 km，陆域面积15.58×10⁴km².属于暖温带季风气候，降水集中，雨热同季，春秋短暂，冬夏较长.全省共辖17个地级市137个县级单元.2013年全省总人口9733万人，平均人口密度为624人/km²，约为全国人口密度的4.3倍.

1.2 数据源及预处理

本研究采用的数据包括土地利用、DMSP/OLS夜间灯光、DEM、县级行政界线、人口与经济统计数据(表1).其中，土地利用数据由国家地球系统科学数据共享服务平台提供，主要包含耕地、林地、草地、水域、建设用地与未利用地6个一级土地利用类型，分辨率为100 m×100 m；在此数据基础上，生成1 km土地利用成分栅格数据.DMSP/OLS夜间灯光采用美国国家地球物理数据中心(NGDC)的F182013产品，其灰度值范围为0-63.DEM数据由地理空间数据云提供，分辨率为30 m×30 m.行政边界数据国家地球系统科学数据共享服务平台提供，比例尺为1∶40万.人口与经济统计数据来自2014年山东省17个地级市统计年鉴.

(1)智慧城市感知质量、智慧城市发展水平与智慧城市建设满意度呈现正相关(H1，H2)得到验证，且在0.05水平下是显著的。这表明智慧城市感知质量与智慧城市发展水平的提高会较大程度地提高居民的生活服务水平，对市民对智慧城市建设的满意度有较大影响。

四环素对纳米细菌感染的人肾小管上皮细胞HK-2中CaSR、Claudin-14表达的影响 ……………………… 申茂磊等（19）：2607

人口分布特征分区可以将具有相似人口空间分布特征和影响因素的区域划分到同一个区，便于分区构建人口数据空间化模型.选取了与人口分布密切相关的人口密度、GDP密度、高程、耕地面积比例、建设用地面积比例等多个指标；基于指标对137个县级单元进行聚类分析，最终得到5个人口分布特征分区(表2).分区1包含6个人口密集且经济发达市辖区，其人口密度、GDP密度及建设用地面积比例远高于其他地区，平均高程低于其他地区.分区2包含28个县级单元，其人口密度、GDP密度、建设用地面积比例处于较高水平.分区3、分区4和分区5，人口密度、耕地面积比例、建设用地面积比例相当，但GDP密度存在明显差异.

表1 数据来源及主要参数

1.3 研究方法

以县级行政区划为单元，统计人口分布特征分区前、分区后的各误差值范围内的县级单元个数、模型调整R²、平均相对误差，结果如表3所示.表3表明，分区后，各分区的平均相对误差较分区前分别降低了11.85%、20.55%、12.05%、7.36%、20.73%.绝对值≥40%的县级单元个数除分区1保持不变外，其余4个分区明显减少，所占全部县级单元的比例由分区前的51.82%降低到29.20%；绝对值≤20%的县级单元个数由分区前的34个增加到55个，所占全部县级单元的比例由分区前的24.82%增加到40.16%.对整个区域而言，平均相对误差由分区前的36.05%降低到21.47%，即分区后平均相对误差降低了14.58%.在山东省137个县级单元中，共有89个县级单元的平均相对误差绝对值数值得到降低，比例达到64.96%.另外，分区后各分区的模型调整R²均高于0.9，与分区前相比，均有明显提高.这表明人口分布特征分区明显提高了人口数据空间化结果的精度.

所有数据统一投影至Krasovsky_1940_Alebers坐标系下，并裁剪到研究区范围.利用ArcGIS空间分析功能，统计出各县级单元夜间灯光强度之和、各类土地利用比例、平均高程等.

DID是日本用来指人口密度为4000人/km²以上的调查区或市区町村内互相邻接、合计人口在5000以上的调查区.在我国，与日本DID对应的为建成区，是指城市建设连片，基础设施和公用设施到达的地区.对比两个概念可知，建成区主要针对城市规划建设而言，DID主要针对人口分布而言.前者有我国“城乡二元结构”的烙印，这是因为建成区附近有大量村庄(“城中村”)实际上已经具有城市特征，但却没有计入建成区范畴，而后者可以有效解决上述问题，且能够解释诸如“鬼城”等不合理的城市化现象.因而《中国城市综合发展指标2017》引入了DID的概念，并基于我国的人口分布特点，认为其为“人口密度在5000人/km²以上的地区”.

表2 分区指标统计表

1.3.2 人口数据空间化方法

本文对每个分区单独构建人口与夜间灯光辐射的线性回归模型，进而模拟人口空间分布.模型公式如下：

P _i =k ×nl _i +b

(1)

(2)注重课堂教学的逻辑结构。对于每一课题都要讲清三个问题，即“是什么？为什么？怎么样？”否则就容易让学生对知识一头雾水，剪不断理还乱，而这三个问题层层递进，容易激发学生的求知欲望，调动学生的学习主动性。

2 人口数据空间化结果分析

2.1 误差分析

1.3.1 人口分布特征分区

中国磷复肥工业协会副秘书长徐晓君分析当前磷复肥市场走势。她指出，在传统化肥产能过剩、效益低迷的背景下，在农业现代化绿色化发展的总体形势下，发展高效环保的新型肥料成为化肥行业新的焦点，也成为企业利润增长的关键。随着氮磷钾化肥的大量使用，单位面积土壤上作物产量不断提升，但土壤中的中微量元素养分却没有得到补给，且范围越来越广，氮、磷、钾是作物不可或缺的大量营养元素，但钙、镁、硫、铁、锌、硼、钢、钼等中微量元素作用也不可小视，营养均衡全面对作物优质高产非常重要。

表3 分区前后各分区误差统计

注：N ^*表示为分区前；Y ^*表示分区后

在纯电动车维修中，不到万不得已不会轻易拆开高压电池组。当确定故障部位在动力电池组内部时，应按维修手册及相关资料进行拆装，检修过程较复杂且危险，涉及到安全问题。

2.2 空间分布分析

2013年山东省人口空间化分布表明，济南、青岛、烟台等发达城市部分市辖区人口数量明显高于一般区县，且市中心区域集聚了大量人口，离市中心区域越远，人口数量越少.对于一般区县而言，县中心区域集聚了大量人口，离县中心越远，人口分布也越少.这种结果符合实际情况，且体现了人口分布在空间上的差异性和集聚性，因此成果可以用来反映实际的人口分布规律.与人口统计数据相比，成果比较直观且空间分辨率较高，因而可以为制定区域人口、经济、生态和社会发展政策提供数据支撑.

式中：P 为某分区下第i 县的统计人口数；k 为夜间灯光强度系数；nl _i 为该县的灯光强度值.考虑到某些无灯光区域(如水域)没有人口分布，因而将b 设为0.

2.3 DID 分析

问题情境是在现今教学当中常常使用的一种教学方式，在教学的过程中，以问题的形式来与学生进行互动，引导学生进行数学知识的自我探寻，从而加强学生的学习效率，激发学生的求知欲望，引发学生进行思考，加强学生的思维活性。

表4为青岛省各城市DID指标统计表.青岛市、烟台市、潍坊市、济南市、临沂市的DID总面积较大，居于山东省前5位，其中青岛市作为山东省经济中心，DID总面积、最大DID面积、DID比例三项指标均位居首位，反映了青岛较强的人才、产业、资源的凝聚能力；济南市作为山东省政治中心，虽然其DID总面积仅居第四位，但其最大DID面积、DID比例仅次于青岛市，明显领先于其他地级市，反映了其较强的发展潜力；临沂市作为山东省第一人口大市、鲁东南地区中心城市、商贸物流中心，其DID总面积也较大.淄博市、济宁市、滨州市、威海市、德州市、日照市、东营市的DID总面积、最大DID面积、DID比例均局于中游水平，表明这些城市存在一定的发展潜力.菏泽市、聊城市、泰安市、枣庄市、莱芜市的DID总面积较小，其中菏泽市虽然人口数居于山东省第三位，但DID比例全省最低，应发挥人口总量对DID增长的促进作用；枣庄市的最大DID位于其下辖县级市(滕州市)，表明其中心城区在DID发展方面弱于滕州市，应积极推动其中心城区的发展.

表4 山东省各城市DID指标统计表

3 结 论

本文以我国人口密集地区—山东省为研究区，基于土地利用数据、社会经济数据和DEM进行人口分布特征分区，之后利用DMSP/OLS夜间灯光辐射数据和线性回归模型进行各分区的人口数据空间化处理，进而探讨了人口分布特征分区的效果和基于研究结果的山东省DID分布特征.结果表明：

(1)经过人口分布特征分区，超过60%县级单元的平均相对误差绝对值得到降低，相对误差值小于20%的县级单元个数比例由分区前的24.82%增加到38.69%，相对误差值大于40%的县级单元个数比例由分区前的51.82%降低到29.20%，且模型的调整R²值明显提高，这表明人口分布特征分区能够明显提高人口数据空间化结果的精度.

(2)人口空间化分布结果表明市中心和县中心集聚了大量人口，体现了人口分布在空间上的差异性和集聚性.

(3)DID分析结果表明青岛市、烟台市、潍坊市、济南市、临沂市的DID总面积较大，反映了它们较强的人才、产业、资源的凝聚能力；菏泽市、聊城市、泰安市、枣庄市、莱芜市的DID总面积较小，表明这些城市具有一定的发展潜力.

致谢： 感谢国家科技基础条件平台-国家地球系统科学数据共享服务平台(http://www.geodata.cn)提供数据支撑.

参考文献：

[1]于欣鑫,马安青,邢容容,等.青岛地区人口密度空间化模拟[J].中国海洋大学学报(自然科学版),2015,45(8):97-102.

[2]陈晴,侯西勇.集成土地利用数据和夜间灯光数据优化人口空间化模型[J].地球信息科学学报,2015,17(11):1370-1377.

[3]陈晴,侯西勇,吴莉.基于土地利用数据和夜间灯光数据的人口空间化模型对比分析——以黄河三角洲高效生态经济区为例[J].人文地理,2014,29(5):94-100.

[4]杨续超,高大伟,丁明军,等.基于多源遥感数据及DEM的人口统计数据空间化——以浙江省为例[J].长江流域资源与环境,2013,22(6):729-734.

[5]高倩,阿里木江·卡斯木.基于DMSP/OLS夜间灯光数据的天山北坡城市群人口分布空间模拟[J].西北人口,2017,38(3):113-120.

[6]王钊,杨山,刘帅宾.基于DMSP/OLS数据的江苏省城镇人口空间分异研究[J].长江流域资源与环境,2015,24(12):2021-2029.

[7]李翔,陈振杰,吴洁璇,等.基于夜间灯光数据和空间回归模型的城市常住人口格网化方法研究[J].地球信息科学学报,2017,19(10):1298-1305.

[8]黄耀欢,杨小唤,刘业森.人口区划及其在人口空间化中的GIS分析应用——以山东省为例[J].地球信息科学学报,2007,9(2):49-54.

[9]王珂靖,蔡红艳,杨小唤,等.基于城镇居民用地再分类的人口数据空间化方法研究——以长江中游4省为例[J].遥感技术与应用,2015,30(5):987-995.

Modeling the population density of Shandong province based on population regionalization

DU Chenchang, HE Xian

(Qingdao Urban Planning & Design Research Institute, Qingdao 266071, China)

Abstract ：Compared with the statistical population data at administrative regions, spatial distribution of population data can reflect the actual distribution of the population better. Taking Shandong Province as the sample, based on population regionalization, spatialization of statistical population was conducted, the precision of the spatial distribution of statistical population data was discussed, and densely inhabited district(DID) of Shandong Province was analyzed. The results showed that after population regionalization, R² of partition models were higher than 0.9 and the overall average relative error reduced 14.58% compared with before population regionalization. It indicated that the population regionalization method can improve the accuracy of spatialization of statistical population to reveal the actual distribution regularity of population . The results of DID analysis showed that Qingdao, Yantai, Weifang, Jinan, Linyi had stronger capacity on unity for talent, industry and resources.

Key words ：spatialization of statistical population; regionalization; DMSP/OLS; Shandong province; DID

收稿日期： 2019-01-03

基金项目： 山东省住房城乡建设科技计划项目“人口数据空间化建模及其在城市规划中的应用”(2018-R1-16)；2018年度青岛市社会科学规划项目“基于大数据的青岛市城市功能空间研究”(QDSKL1801273)

作者简介： 杜臣昌(1987—)，男，山东济宁人，青岛城市规划设计研究院工程师，博士，主要从事城乡发展与区域规划方面的研究.

中图分类号： P208

文献标识码： A

文章编号： 1672-3600(2019)12-0035-04

[责任编辑：徐明忠]

标签：人口数据空间化论文;  分区论文;  DMSP论文;  OLS论文;  山东省论文;  DID论文;  青岛市城市规划设计研究院论文;