基于居住用地的重慶市主城區人口空間格局研究

吳鳳敏++胡艷++鄭稚棚++張紅文++張斌++盧婭

摘 要：土地利用的空間格局是影響人口空間分布的主要因子，分析其與人口布局的關系，對實現人口合理布局、城市規劃和城市資源配置具有重要的理論和實踐意義。研究基于2010年重慶市主城區高分辨率遙感影像，采用人機交互式的方法對主城區居住用地進行遙感解譯，同時與常住人口的相關性進行定量分析和研究，為模擬人口空間分布提供數據支撐。

關鍵詞：人口空間格局；地理空間信息；相關性分析

中圖分類號： TU984 文獻標識碼：A 文章編號：1672-3791（2016）10（c）-0000-00

Abstract： The spatial pattern of land use is the most important factors that effect the population arrangement. So Analysis between population and land use has great theoretical and practical significance on urban planning and resource allocation. This study focus on RS interpretation of urban land use used the man-machine interaction method in order to find out the correlation of population and urban land use.

Key words： spatial pattern of population； geospatial information； correlation analysis

引言

土地利用（特別居住用地）是人類與自然相互作用的產物，是人類活動在空間上分布的最直接體現。土地利用既受到自然條件的影響，同時又與人類生產生活等社會經濟活動密切相關，地形、氣候、水文等自然條件主要影響人口的宏觀分布，而土地利用信息更能反映人口的微觀分布特征，所以土地利用數據是進行人口空間化時最為重要的因子之一。已有研究表明遙感手段不僅可以提供土地覆蓋和夜間燈光等輸入變量信息，同時可以利用高分辨率的遙感影像獲得人口分布的相關指示因子（例如建筑區、居民點）來進行人口模型估計結果的校核、驗證[1]。Kraus[2]等人早在1974年就已經利用航空攝影獲得的土地利用信息來估計美國加利福尼亞4個城市的人口總數。Langford[3]等人利用Landsat TM 影像進行遙感監督分類，將土地利用類型分為5類（工業/商業區、密集住宅區、普通住宅區、無人居住區和農業區），建立人口分布于土地利用類型的多元回歸模型，得到英國萊斯特郡地區1 km柵格的人口分布圖。Weber[8]等人使用SPOT影像對法國斯特拉斯城市分成六種土地利用類型，利用人口普查單元數據對人口和土地利用面積之間相關性進行分析，構建回歸模型估算城市總人口數。2003年，Lo[9]等人ATLANTA工程研究中把TM影像進行土地利用分類，并利用對數轉換的異速增長模型對418個人口普查單元的人口數量與低密度城市不同土地利用類型面積進行回歸分析，估算城市人口數量。

隨著遙感技術的不斷發展，國內近幾年也出現了許多基于遙感和GIS手段獲取的土地利用信息和其它信息（包括地形、水文、氣候、土壤、交通、居民點、經濟狀況等與人口統計數據之間線性或非線性關系）構建人口估計模型的研究。

2002年，楊小喚[5]等人通過與人口空間分布緊密相關的要素計算各省及縣人口分布特征指數，確定各省人口特征指數重心和區劃指數，并在此基礎上利用Landsat TM信息獲取土地利用數據，建立各二級區人口與各類土地利用類型之間多元相關關系模型，計算人口空間數據。廖順寶[6]，[7]等人基于人口統計數據和土地利用數據的相關性，建立人口與各土地利用類型和高程的多元線性回歸方程。田永中[10]等人根據全國農業生態區內人口與各類農業用地之間的相關關系選取指標，結合土地生產力及其與人口的相關性確定各指標加權系數模擬農村人口空間分布，并建立基于城鎮規模的人口距離衰減加冪指數模型模擬城市人口的空間分布。

本研究基于2010年高分辨率遙感影像對重慶市主城區（包括渝中區、江北區、渝北區、南岸區、九龍坡區、大渡口區、沙坪壩區、北碚區和巴南區）居住用地進行人機交互式目視解譯，獲取2010年重慶市主城區居住用地數據，同時對2010年主城區（街道、鎮）常住城鎮人口數據進行空間化，進行居住用地與人口的相關性分析與研究，從而為模擬人口空間分布提供數據支撐。

1研究區及研究方法

研究區域為重慶市主城區，包括：渝中區、江北區、渝北區、南岸區、九龍坡區、大渡口區、沙坪壩區、北碚區和巴南區九個區（面積為5473km?），是將重慶作為一個有城鄉二元體構成的城市意義上的一個地域范圍。

研究所使用的數據主要包括：2010年重慶市主城區街道（鎮）常住人口數據、行政區劃界（區縣界、街道（鎮）界）（數據來源于重慶市統計局）、2010年主城區高分辨率衛星遙感影像（worldview-2，分辨率0.5m）、2010年國土部門土地權屬資料，農村土地利用現狀，城鎮地籍現狀數據，重慶市城鄉總體規劃資料、控制性詳細規劃和專題規劃資料等。

研究中居住用地數據主要有兩部分組成，一是城鎮范圍內的居住用地，而是農村居民點居住用地。城鎮范圍內居住用地主要基于2010年高分辨率遙感影像，結合2010年國土部門土地權屬資料，城鎮地籍現狀數據，重慶市城鄉總體規劃資料、控制性詳細規劃和專題規劃資料等相關參考資料，通過城鎮居住用地遙感解譯獲得；農村居民點部分直接采用國土2008年第二次全國土地利用調查資料中村莊建設用地，利用2010年遙感影像進行更新獲得。

2人口空間格局

2010年重慶市常住總人口為2884.62萬人，主城區達745.76萬人，占全市常住總人口的25.85%。主城九區中，渝中區人口數量最大，為134.54萬人，其次是九龍坡區，108.44萬人，大渡口區常住人口最少，僅30.10萬人，各區平均人口為82.86萬人。

主城區共計155個街道（鎮），其中街道81個，鎮74個（27個鎮為城郊小城鎮，其余均位于城區范圍內）。所有街道鎮中，常住人口最多的為，常住人口最少的為，街道（鎮）平均常住人口為，有個街道（鎮）在平均常住人口水平以下。

重慶市主城區各街道（鎮）常住人口密度空間分布呈現從中心城區向外逐漸降低的趨勢，即主城區中心的渝中區，渝北區、江北區南部，沙坪壩、九龍坡東部，大渡口區北常住人口密度較高，這部分區域為主城區城市發展集中區域。主城區外圍常住人口密度逐漸降低，巴南區東部、渝北區北部人口密度達到最低。

3 居住用地空間格局

2010年重慶市主城區遙感影像處理流程包括：影像融合、正射糾正、均色處理、影像鑲嵌和影像分幅。

2010年重慶市主城區城鎮居住用地主要利用高分辨率遙感影像，結合相關輔助資料，依據《城市用地分類與規劃建設用地標準 GB50137-2011》分類標準進行遙感解譯。農村居住用地基于第二次全國土地調查中農村居民點資料依據《重慶市第二次土地調查技術細則》，結合高分辨率遙感影像進行范圍更新。

綜合考慮影像拍攝角度、空間分辨率、成圖比例尺，以及影像中存在易判地物與難判地物的情形，為了保證解譯圖斑與影像紋理空間位置的一致性，要求解譯成果矢量圖斑與影像圖上目視可判的地物邊界位置精度保證不低于10個像元。城鎮范圍居住用地范圍一般以居住小區外圍圍墻邊界為準，同時借助道路要素進行輔助。

由于農村人口主要采取散居方式，且分布具有隨機性，對于人口與居住用地相關性研究不具有參考意義，因此在常住人口處理方面，按照每處村莊建設用地3個人進行賦值，各街道（鎮）城鎮常住人口為常住人口總量與農村常住人口差值。

4人口與居住用地相關性研究

根據2010年主城區城鎮居住用地數據，結合城鎮常住人口，分析兩者的相關關系。假設城市居住用地面積為x，城市居住人口數量為y，則兩者之間線性關系如下：

根據數據回歸結果顯示，城市居住用地與居住人口之間的相關系數 ，兩者相關性較高，可以考慮利用城鎮居住用地數據推算城鎮常住人口數量，這為實現人口數量預測提供了科學依據。

在考慮土地利用類型對城市居住人口影響方面，只分析城市居住用地這一單一類型有一定的局限性，因此需要全面對各種土地利用類型對城市居住用地的影響，才能更準確地描述土地利用類型對居住人口的影響。

5結論與討論

本研究利用GIS遙感技術方法，基于2010年高分辨率遙感影像完成2010年重慶市主城區居住用地遙感解譯，同時對2010年重慶市主城區居住人口數據進行空間化，進行重慶市主城區各街道（鎮）常住人口、常住人口密度空間格局進行分析，結合城鎮居住用地與城鎮常住人口完成兩者相關性的定量分析和研究，研究能夠為人口空間化模型的進一步深入研究提供模型基礎。

然而，研究中還存在一些不足需要進一步深入研究。城鎮常住人口僅簡單通過與農村常住人口的簡單估算得到，模型研究對農村人口數量及空間分布情況進行詳細考慮，模型存在一定誤差。

參考文獻

[1] Dobson J E， Bright E A， Coleman P R， et al. LandScan： A Global Population Database for Estimating Populations at Risk [J]. Photogrammetric Engineering & Remote Sensing， 66（7）： 849–857， 2000.

[2] 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， 58（1）： 25 - 33， 2003.

[3] Kraus S P， Ryerson J M， Senger L W. Estimating Population from Photographically Determined Residential Land UseTypes[J]. Remote Sensing of Environment， 3（1）： 35–42， 1974.

[4] Langford M， Harvey J T. The Use of Remotely Sensed Datafor Spatial Disaggregation of Published Census PopulationCounts[A]. IEEE/ISPRS Joint Workshop on RemoteSensing and Data Fusion over Urban Areas[C]. 260–264， 2001.

[5] 小喚， 王乃斌， 江東等. 基于空間分析方法的人口空間分布區劃[J]. 地理學報， 57（增刊）： 76 - 81， 2002.

[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， 58（1）： 25 - 33， 2003.

[7] 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， 13（3）： 62–67， 2003.

[8] Weber C. Per-zone Classification of Urban Land Use Cover for Urban Population Estimation. Environmental Remote Sensing from Regional to Global Scales， in Foody， G.M. and P.J. Curran （Eds.） Chichester， UK： New York， NY： Wiley， 142 -138， 1994.

[9] Lo C P. Zone-Based Estimation of Population and Housing Units from Satellite-Generated Land Use/Land Cover Maps. Remotely sensed Cities. Mesev， V.（Ed.）， London， UK/New York， NK： Taylor&Francies， 157 – 180， 2003.

[10] 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. 地理學報， 59（2）： 283 - 292， 2004.