基于作息空間思想的人口統計數據空間化方法

康敏捷，曹 可，王 輝，趙冰茹，張 旭

（大連海事大學交通運輸管理學院，遼寧大連116026）

基于作息空間思想的人口統計數據空間化方法

康敏捷，曹 可，王 輝，趙冰茹，張 旭

（大連海事大學交通運輸管理學院，遼寧大連116026）

探討了基于作息空間思想的人口統計數據空間化方法。定義居住和工作的活動空間范圍為作息空間，并結合土地利用類型數據和泰森多邊形構建了作息空間，以作息空間人口密度作為人口空間分布的表達方式。對遼寧省2005年人口統計數據進行了實例分析，精度優于傳統的面積權重內插法，結果的地圖渲染能夠表現受自然因素和社會經濟因素影響的人口分布特征。該方法不涉及復雜的權重計算過程，也可以避免主觀因素的干擾，簡單易行，有較強的實用性。

遼寧省；作息空間；人口空間分布；統計數據空間化

0 引言

人口數據是以行政單元為基礎，通過普查、統計、逐級匯總得到的典型的統計型數據［1，2］，通常可以滿足人口、資源環境與社會經濟發展宏觀分析的需求；而當進行中小尺度的空間分析或跨學科研究時，存在分區界線不一致和精度不足的問題［1］。首先，承載人口數據的行政單元與其它自然地理環境要素（如流域）的界線不一致，無法實現多源數據融合和綜合分析；其次，人口數據在行政單元內只能當做均勻分布來處理，顯然與實際不符，并且很多情況下無法滿足分析精度要求。人口統計數據空間化通過定性描述與定量分析相結合的方法，表達人口在一定時間和一定地理空間中的分布狀態［3］，是實現人口數據與土地利用、生態環境和氣候等數據進行多源數據融合與綜合分析的重要基礎，對于跨學科研究具有重要價值［1，3，4］。

現有研究主要采用多源數據融合的思想，圍繞影響人口分布的多個自然和人文要素建立人口統計數據空間化計算模型［2，5－9］，需要多個影響因素的空間數據作支撐，對研究區域的數據完整性要求較高，模型構建過程較復雜，需統計分析軟件支持，不能單獨在GIS環境下完成，且構建的模型只適用于特定的研究區域。本文提出作息空間的思想，以遼寧省為例，探討一種基于作息空間實現人口統計數據空間化的方法，該方法只用到土地利用數據，整個分析過程在GIS軟件中實現，空間化結果可以表現出自然因素和社會經濟因素綜合影響的人口分布特征。

1 方法概述

1.1 基本思想

人口有很強的流動性，不同時刻其空間分布不同。日出而作、日落而息是人類主要生活規律，大多數人類活動會穩定的分布在居所和工作地。本文只關注相對穩定的人口分布，忽略人口流動的瞬時狀態。定義居住和工作的活動空間范圍為作息空間，作息空間范圍內單位面積上的人口數為作息空間人口密度，以作息空間人口密度作為人口空間分布的表現形式。

影響人口分布的主要因素包括：土地利用類型、城鄉居民點、地形、交通、河流、氣候等自然和社會經濟因素［2，5－9］，土地利用類型是這些影響因素綜合作用的結果，如耕地一定分布在氣候和水文條件適宜的地方；居民地分布與地形密切相關（圖1），隨著海拔的升高，居民地面積遞減，200 m以上城鎮消失，400 m以上農村居民地已經很稀少。以土地利用數據作為計算作息空間人口密度的基礎，簡化了人口數據空間化模型，避免重復考慮一些存在相關性的影響因素，同時也實現了人口數據與自然地理要素的融合。

圖1 遼寧省各高程帶居民地面積統計Fig.1 Statistics of settlement place area based on altitude bands in Liaoning Province

1.2 計算方法

根據作息空間的定義及人口分布與土地利用類型的關系，將人口空間化過程分為兩步：首先，根據居住地不同將城鎮人口和農村人口區分開。然后，根據工作地不同進一步劃分，城鎮人口的工作地主要集中于城鎮建設用地，作息空間即城鎮建設用地，不做進一步劃分；農村人口主要從事農業以及在附近的廠礦工作，其作息空間包含了農村居民地、附近的耕地和其它建設用地。

人口居住地的空間化以城鎮居民地人口密度和農村居民地人口密度進行表達。通過條件查詢從土地利用類型數據提取城鎮居民地和農村居民地，并將其與行政單元數據進行疊加分析，計算各地區的城鎮居民地和農村居民地面積；用各行政單元的城鎮人口和農村人口分別除以對應的城鎮居民地和農村居民地面積，即計算出各地區城鎮居民地人口密度和農村居民地人口密度。

農村人口作息空間的空間化以農村作息空間人口密度表達。根據工作地鄰近居住地的原則，用泰森多邊形確定作息空間范圍。根據泰森多邊形的特點：每個泰森多邊形內僅含有一個離散點數據，可以保證居民地與其作息空間范圍一一對應；泰森多邊形內的點到相應離散點的距離最近，保證了作息空間是每個居民地距離最近的空間范圍。通過條件查詢從土地利用類型數據提取農村居民地、耕地和其它建設用地作為作息空間范圍內農村人口主要分布的用地類型；將作息空間范圍與用地類型進行疊加分析，確定各農村居民點的作息空間，即各泰森多邊形內的農村居民地、耕地和其它建設用地（圖2，見封3）。農村作息空間人口密度是單位作息空間面積內農村居民地人口數，等于農村居民地人口密度與作息空間范圍內農村居民地面積的乘積，可表示為：

最終通過城鎮居民地人口密度、農村作息空間人口密度實現人口的空間化表達。

2 實例分析

2.1 研究區域

本文以遼寧省為研究區域進行省級人口統計數據空間化試驗。遼寧省位于中國東北地區的南部，東經118°53′～125°46′，北緯38°43′～43°26′。陸地面積14.8萬km2，約占全國陸地總面積1.5%［10］。地勢大致為自北向南、自東西兩側向中部傾斜。東部山地丘陵區為遼寧省主要林區；西部山地丘陵區東緣的臨海狹長平原，習慣上稱為“遼西走廊”，是中國東北地區溝通華北地區的主要陸上通道；中部遼河平原是東北平原的一部分，由遼河及其支流沖積而成，是遼寧省主要農業區和商品糧基地；南部瀕臨渤海與黃海，大陸海岸線全長2 178 km，占中國大陸海岸線總長的12%［10］。2005年末全省總人口4 189.2萬人，約占中國內地人口總數的3.4%［11］。本文所需數據包括遼寧省2005年土地利用類型圖，從2006年遼寧統計年鑒獲得2005年遼寧省各地級市的人口統計數據，從遼寧省1∶25萬地形圖獲得行政單元、交通線及地形數據，從1∶400萬地形圖獲得主要河流數據，從沈陽市2006年統計年鑒獲得2005年沈陽市各縣區的人口統計數據。

2.2 數據處理與分析方法

數據處理與分析在ArcGIS中進行，空間分析工具包括Identity疊加分析、Summary Statistics統計分析和Create Thiessen Polygons創建泰森多邊形，分析內容包括行政單元內各土地利用類型面積計算以及農村作息空間人口密度計算。

行政單元內各土地利用類型面積計算如下：1）通過Identity疊加分析確定各行政單元的用地類型；2）通過條件查詢創建各種用地類型的圖層；3）對各種用地類型圖層中行政單元字段進行Summarize匯總，得到各行政單元內該用地類型總面積；4）用各行政單元統計的城鎮人口數和農村人口數分別除以對應的城鎮建設用地面積和農村居民地面積，可得各自的城鎮人口密度和農村居民地人口密度，完成了人口數據空間化的第一步。

農村作息空間人口密度計算如下：1）將農村居民地的多邊形數據轉換為點狀農村居民點；2）通過Create Thiessen Polygons分析工具使用農村居民點創建泰森多邊形；3）通過條件查詢提取農村居民地、耕地和其它建設用地作為農村作息空間用地圖層；4）將泰森多邊形與農村作息空間用地圖層進行Identity疊加分析，得到各農村居民點的作息空間；5）通過Summary Statistics分析工具，以農村居民點作息空間圖層的農村居民點Id字段和土地利用類型為分類字段，對各農村居民點作息空間內各種土地利用類型面積進行統計分析，然后計算作息空間內農村居民地占作息空間用地面積的比例，再乘以農村居民地人口密度即得農村作息空間人口密度。

2.3 結果分析

以面積權重內插法［12］為對照，以市級統計資料的統計值作為實際值，分別計算縣區級行政單元人口數的估計值，比較兩種方法的誤差百分比（表1）。因為市級統計資料只有沈陽市統計年鑒對縣級行政單元的城市人口和農村人口做了統計，所以只能以沈陽市為驗證范圍進行比較。但沈陽市統計年鑒對城市人口和農村人口的統計值與本文通過遼寧省統計年鑒估算的城市人口與農村人口（第一產業從業人口為農村人口，其它為城鎮人口）的統計值有偏差，為了比較，計算誤差時分別乘以一個比例系數。結果顯示，在估計城鎮人口數時，面積權重插值法的誤差在65.54%～398.64%之間，平均誤差為225.58%，標準差為127.39，說明其平均誤差都超過真實值的2倍多，誤差的變幅很大，是真實值的1倍多；本文方法計算的誤差在0.5%～56.74%之間，平均誤差為31.32%，標準差只有18.34%，相比面積權重插值法精度有很大的提高，且誤差的變化比較平穩。在估計農村人口數時，面積權重插值法的誤差在1.33%～28.38%之間，平均誤差為14.25%，標準差為8.78%；本文方法計算的誤差在3.03%～20.7%之間，平均誤差為13.08%，標準差為6.03%，結果也優于面積權重法。綜合比較可以看出，本文方法的估計結果較好。

表1 本文方法與面積權重插值法的誤差比較Table 1 The error comparison of the method in this paper and area weighting interpolation method

從結果的地圖渲染看，面積權重內插法的結果通過行政單元進行地圖渲染，人口在整個行政單元范圍內均勻分布，無法顯示人口分布的特征。本文方法地圖渲染結果（圖3，見封3）顯示：遼寧省西部和東部地勢高的山區人口密度低，中部地勢平緩的地區人口密度高；沿海岸帶地區的人口密度整體較高；河流沿線、鐵路／國道沿線人口密度較高。本文人口統計數據空間化結果與遼寧省人口分布實際情況相符，而且在人口空間化過程中并沒有考慮距海岸線、河流、交通線距離及地形等因素，但結果仍能夠體現這些自然因素和社會經濟因素所影響的人口分布特征。可見，基于本文方法簡化的人口空間化模型是可行的。

3 結語

本文探討了一種簡單可行的人口統計數據空間化方法，提出了“作息空間人口密度”作為表現人口空間分布的表現形式，圍繞作息空間的基本思想，實現了城市與農村人口的空間分布表達；方法不涉及復雜的權重計算或參數計算過程，也避免了主觀因素的干擾，簡單易行，有較強的實用性。

通過遼寧省人口統計數據空間化結果可以看出，本文方法在精度上優于面積權重內插法，在表現形式上，實現了作息空間范圍內人口的不均勻分布表達，能夠體現出自然因素和社會經濟因素綜合影響的人口分布特征。以土地利用數據為空間基礎，提高了人口數據的空間分辨率，并且可以方便地實現與各種自然要素分區下的統計分析。

［1］ 林麗潔，林廣發，顏小霞，等.人口統計數據空間化模型綜述［J］.亞熱帶資源與環境學報，2010，5（4）：10－16.

［2］ 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.

［3］ 呂安民，李成名，林宗堅，等.基于遙感影像的城市人口密度模型［J］.地理學報，2004，59（6）：283－292.

［4］ 葉宇，劉高煥，馮險峰.人口數據空間化表達與應用［J］.地理科學進展，2006，8（2）：59－65.

［5］ 廖順寶，孫九林.青藏高原人口分布與環境關系的定量研究［J］.中國人口·資源與環境，2003，13（3）：62－67.

［6］ 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.

［7］ 劉紀遠，岳天祥，史培軍，等.中國人口密度數字模擬［J］.地理學報，2003，58（1）：266－276.

［8］ 田永中，陳述彭，岳天祥，等.基于土地利用的中國人口密度模擬［J］.地理學報，2004，59（2）：283－292.

［9］ 江東，楊小喚，王乃斌，等.基于RS、GIS的人口空間分布研究［J］.地理科學進展，2002，17（5）：734－738.

［10］ 遼寧省統計局.輝煌的歲月——遼寧60年回眸［M］.北京：中國統計出版社，2009.

［11］ 遼寧省統計局.遼寧統計年鑒（2006）［M］.北京：中國統計出版社，2006.

［12］ GOODCHILD M F，LAM N S N.Areal Interpolation：A Variant of Traditional Spatial Problem［M］.Geoprocessing，1980.297－331.

Abstract：The spatialization method of demographic data based on work and residence space conception is discussed in this paper.Work and residence space is defined by the extent of work and residence places，and it is created by land use data and Thiessen polygons，then population space distribution can be expressed by the population density in work and residence space.The empirical analysis is done using demographic data of Liaoning Province in 2005，result accuracy is better then area weighting interpolation method，and the result map can present the demographic characteristics affected by natural factors and socio－economic factors.This method does not include complex weights calculation procedure，it is not interfered by subjective factors，and it is simple and practicable.

Key words：Liaoning Province；work and residence space；population space distribution；spatialization of statistical data

Spatialization Method of Demographic Data Based on Work and Residence Space Conception

KANG Min－jie，CAO Ke，WANG Hui，ZHAO Bing－ru，ZHANG Xu
（Transportation Management School of Dalian Maritime University，Dalian 116026，China）

K901.3

A

1672－0504（2012）04－0060－03

2012－02－17；

2012－04－12

國家自然科學基金項目（41071079）；國家海洋公益性行業科研專項（201005008）

康敏捷（1982－），男，博士研究生，主要研究方向為經濟系統分析。E－mail：kangminjie＠sina.com