基于多源遙感數(shù)據(jù)的山地城市人口空間化及演變特征研究

祝漢收 李月臣

[摘要]隨著數(shù)字化、信息化、大數(shù)據(jù)等時代的到來，人口統(tǒng)計數(shù)據(jù)空間化對生態(tài)環(huán)境評價、災害預估、區(qū)域社會和經(jīng)濟等的細致化和空間化研究具有重要意義。通過夜間燈光和NDVI二種遙感數(shù)據(jù)構(gòu)建人居指數(shù)模型，并以多元回歸方法模擬人口分布并預測誤差，然后根據(jù)人口預測誤差通過DEM數(shù)據(jù)對模型進行修正和重構(gòu)，最終模擬出山地城市人口空間分布特征。研究結(jié)果表明，人居指數(shù)與人口之間存在極強的相關(guān)性，由于山地城市地形的復雜性，模擬精度較低，通過DEM對人居指數(shù)的修正，模擬精度得到有效提高，2000年模擬的平均相對誤差從72.53%降低至45.29%，2005年從62.23%降低至36.08%，2010年從44.69%降低至21.17%。重慶市人口空間分布模式主要呈現(xiàn)出人口逐漸從渝西主城區(qū)向周圍擴張；渝東北人口密度相對較小，但在逐漸增大；而渝東南地區(qū)人口分布密度最小，增長最緩慢。

[關(guān)鍵詞]人口空間化；夜間燈光；NDVI；人居指數(shù)

[中圖分類號]C922 [文獻標識碼]A

中共十九大以來，大數(shù)據(jù)再一次成為熱題，運用多種遙感數(shù)據(jù)將人口統(tǒng)計數(shù)據(jù)進行空間可視化模擬，是對大數(shù)據(jù)時代的呼應。在數(shù)字化、信息化的當今時代，許多領域內(nèi)均會用到人口數(shù)據(jù)，人口空間化為生態(tài)資源環(huán)境評價、社會經(jīng)濟與人口關(guān)系研究、地質(zhì)災害評估等眾多領域的空間研究提供了一種有效的人口空間數(shù)據(jù)支撐。目前，國內(nèi)外對人口空間化的研究模型眾多，如范一大等、Mennis將人口數(shù)據(jù)運用面插值方法實現(xiàn)了人口數(shù)據(jù)空間化，這種方法簡單易實現(xiàn)，但往往不能有效反映真實的人口分布狀況；楊小喚等、田永中等、廖順寶等[6]根據(jù)土地利用數(shù)據(jù)與人口空間分布的關(guān)系對人口數(shù)據(jù)進行空間化模擬，這種模型更符合實際，但模型默認各土地類型內(nèi)的人口均勻分布，不能有效反映同一土地類型內(nèi)人口分布的差異性。近年來，因夜間燈光數(shù)據(jù)的燈光強度和人口數(shù)量之間存在極高的相關(guān)系數(shù)，越來越多的被運用于人口空間化模型中，但夜間燈光數(shù)據(jù)往往存在空間分辨率較低、燈光過飽和像元溢出等問題。NDVI數(shù)據(jù)作為衡量植被茂密程度的指標之一，往往能有效反映人類活動的規(guī)律，且分辨率相對較高，與夜間燈光數(shù)據(jù)存在互補的作用。Lu等利用夜間燈光數(shù)據(jù)和NDVI數(shù)據(jù)提出一種能反映人類居住適宜度的人居指數(shù)，模擬出的人口空間分布情況更加符合實際。本文首先結(jié)合夜間燈光數(shù)據(jù)與NDVI數(shù)據(jù)構(gòu)建人居指數(shù)模型，然后將人居指數(shù)與人口統(tǒng)計數(shù)據(jù)做回歸分析，根據(jù)回歸方程模擬出各區(qū)縣的人口。由于山地城市地形復雜，本研究將DEM數(shù)據(jù)對人居指數(shù)進行了優(yōu)化，形成新的人居指數(shù)模型，最終模擬出重慶市2000、2005和2010年三期人口空間分布圖。

重慶市是中國中西部唯一的直轄市、長江上游的經(jīng)濟中心，地理位置和經(jīng)濟位置均極其重要，是各種生態(tài)、資源和環(huán)境、地質(zhì)災害等與人口關(guān)系的研究熱點區(qū)域。本研究將重慶市作為研究區(qū)，將為該地區(qū)各課題提供更有效的人口數(shù)據(jù)。重慶市是典型的山地城市，地形地貌極大的限制了人口的空間分布，人口空間化模擬對了解該地區(qū)的人口分布規(guī)律，解析山地城市人口分布影響因子有重大意義。

1 數(shù)據(jù)處理與研究方法

1.1 數(shù)據(jù)獲取與處理

本次使用的數(shù)據(jù)主要包括：①重慶市地理信息基礎數(shù)據(jù)；②來自《重慶市統(tǒng)計年鑒》的各區(qū)縣各時期的人口統(tǒng)計數(shù)據(jù)；③DEM數(shù)據(jù)來源于地理空間數(shù)據(jù)云，重采樣為25m；④NDVI逐月數(shù)據(jù)來源于美國LAADS DAAC（https：//ladsweb.nascom.nasa.gov/），空間分辨率重采樣為250m；⑤DMSP-OLS夜間燈光數(shù)據(jù)來源于美國國家地理數(shù)據(jù)中心（https：//www.ngdc. noaa.gov/eog/），空間分辨率為1km，因2013年以后傳感器更換，夜間燈光數(shù)據(jù)不同，本研究未模擬2015年人口空間數(shù)據(jù)。將所有數(shù)據(jù)投影為Albers等面積投影，用重慶市矢量邊界對數(shù)據(jù)進行裁剪，得到重慶市范圍內(nèi)的各數(shù)據(jù)集。將NDVI數(shù)據(jù)和夜間燈光數(shù)據(jù)重采樣成空間分辨率為25m的數(shù)據(jù)，以利于結(jié)合DEM數(shù)據(jù)，同時，剔除NDVI小于0.1和大于0.9不適宜人口居住的區(qū)域，并用水系數(shù)據(jù)剔除水體。

1.2 研究方法

人居指數(shù)能有效反映區(qū)域人口居住環(huán)境的適宜程度，根據(jù)NDVI和DMSP-OLS燈光數(shù)據(jù)構(gòu)建人居指數(shù)，因NDVI數(shù)據(jù)的值在-1-1之間，應對DMSP-OLS數(shù)據(jù)做標準化處理。本文參考LU等構(gòu)建的人居指數(shù)對重慶市地區(qū)構(gòu)建人居指數(shù)（HSI）模型，具體公式如下：

（1）

（2）

式中：OLS為夜間燈光數(shù)據(jù)值；OLSmax為夜間燈光數(shù)據(jù)的最大值；HIS為人居指數(shù)；NDVImax為NDVI年最大值；OLSnor為經(jīng)過標準化的夜間燈光數(shù)據(jù)。人居指數(shù)越高表示越適宜人居住。

人口模擬誤差檢驗是對模擬結(jié)果精度的計算，具體計算公式如下：

（3）

（4）

式中：MPE為平均相對誤差；RE為相對誤差；POPs為區(qū)縣模擬人口；POPc為區(qū)縣統(tǒng)計人口；n為重慶市區(qū)縣個數(shù)。

2 結(jié)果分析

2.1 重慶市各區(qū)縣人口空間化的初步模擬

運用SPSS軟件對2000、2005和2010年重慶市各區(qū)縣的人口密度值和人居指數(shù)密度值做回歸分析，發(fā)現(xiàn)R2大于0.9，兩者具有極強的相關(guān)性，對模擬的結(jié)果進行誤差檢驗（見表1），發(fā)現(xiàn)平均相對誤差極大，不能用于相關(guān)研究中。

在未考慮高程的情況下，人口模擬誤差極大。通過分析發(fā)現(xiàn)相對誤差小于20%的區(qū)縣平均高程基本都小于600m。高程大于600m的區(qū)縣相對誤差基本大于50%，因此，本文將高程小于600m的區(qū)縣運用人居指數(shù)模型單獨計算，高程大于600m的區(qū)縣引入DEM高程數(shù)據(jù)對人居指數(shù)模型進行修訂。將重慶市高程大于600m區(qū)縣的平均DEM與人口密度做相關(guān)性分析（見表2）。

通過表2可知，平均高程與人口密度的相關(guān)系數(shù)R2均大于0.7，證明高程與人口分布存在著較大的相關(guān)性。因此，這里利用DEM數(shù)據(jù)對高程大于600m區(qū)縣的人居指數(shù)進行修訂，參考楊續(xù)超等的研究，公式如下：

（5）

式中：HSInew為修訂后的人居指數(shù)，a為e指數(shù)函數(shù)里DEM的系數(shù)。

根據(jù)修正后的人居指數(shù)模型對人居指數(shù)和人口數(shù)據(jù)做相關(guān)性分析和回歸分析，根據(jù)回歸方程模擬重慶市2000、2005和2010年三期人口空間分布圖，并對結(jié)果進行誤差檢驗（表3）。

根據(jù)表3和表1可知，修訂后的人居指數(shù)與人口的相關(guān)系數(shù)更高，模擬出的人口精度遠高于修訂前，說明增加了高程因子使人口模擬效果更好。2000年模擬的人口平均相對誤差從修訂前的72.53%降低至45.29%，2005年人口平均相對誤差從62.23%降至36.08%，2010年人口平均相對誤差從44.69%降至21.17%，且時間越近模擬的精度越高。通過分析發(fā)現(xiàn)，人口誤差較大的區(qū)縣多是海拔相對較高且發(fā)展相對落后的區(qū)縣，分析原因可能是本研究所用夜間燈光數(shù)據(jù)是根據(jù)燈光強度判斷人口分布的情況，發(fā)展相對落后的地區(qū)夜間用燈較少或燈光微弱，導致夜間燈光捕捉不完全，而時間越近，經(jīng)濟越發(fā)達，燈光捕捉率則越高，模擬出的人口精度也就越高。同時，重慶市復雜的地形地貌條件，使人口分布極度不均勻，以區(qū)縣為邊界對人口數(shù)據(jù)取平均值進行回歸分析，本身誤差較大，但經(jīng)過DEM的修訂后，模擬精度得到極大的提高，說明本研究的方法是可行的，在適當提高人口統(tǒng)計邊界精度的前提下，運用本研究的方法可以較好的模擬出反映重慶市人口的實際空間分布情況。

2.2 重慶市人口空間模擬結(jié)果及分布特征

結(jié)合修訂前和修訂后的人居指數(shù)對重慶市人口進行模擬，得到2000、2005和2010年三期25m×25m分辨率的人口空間分布圖（見圖1～3）。

圖1 2000年重慶市 圖2 2005年重慶市 圖3 2010年重慶市

人口分布圖 人口分布圖 人口分布圖

根據(jù)模擬出的三期人口空間分布圖可以發(fā)現(xiàn)，重慶市人口在歷史發(fā)展中均集中分布在渝西中部的主城區(qū)，主城區(qū)外圍則有多個聚居地環(huán)繞，渝東北地區(qū)中部萬州區(qū)附近分布多個人口聚居地，渝東南人口密度總體最低。隨著時間的推移，重慶市人口呈逐漸增加的趨勢，人口從主城區(qū)逐漸向外擴展，特別是2005至2010年間人口急劇增加，在渝西西部地區(qū)的多個聚居地人口規(guī)模普遍增大；同時，人口呈現(xiàn)從主城區(qū)向渝東北地區(qū)蔓延的趨勢，在主城區(qū)至渝東北中部的萬州區(qū)一帶，人口有多個聚居地，且人口規(guī)模逐漸增大，至2010年，這一長廊形區(qū)域人口已普遍分布，并形成多個較大的人口聚居地。渝東南地區(qū)人口密度在三個時期均是最低的區(qū)域，且在發(fā)展過程中只有渝東南最南部人口有明顯增加趨勢，其他區(qū)域人口密度則普遍較低，人口規(guī)模增長不明顯。

根據(jù)DEM矯正后的人居指數(shù)模型和重慶市的地形地貌分布規(guī)律分析，渝西地區(qū)為淺丘地貌，地勢較平，特別是渝西中部的主城區(qū)，地勢平緩，人居指數(shù)極高，是重慶市人口分布的主要地區(qū)。渝西至渝東北的長廊形地區(qū)，地勢相對較平，人居指數(shù)相對較高，并受主城區(qū)和萬州區(qū)的帶動，經(jīng)濟發(fā)展水平得到有效提高，人口密度較大；渝東北東北部位于大巴山山脈，地形起伏度較大，人居環(huán)境較差，人口數(shù)量分布也較少。渝東南地區(qū)地處武陵山和大婁山山脈，地勢較復雜，交通不便，經(jīng)濟欠發(fā)達，導致人居環(huán)境較差，人口增長幅度極小，人口分布是整個重慶市最少的地區(qū)。

通過分析重慶市人口在2000、2005和2010年的分布情況，反映了人口的分布受地形地貌的限制極大，地形起伏度較小，高程較低的地區(qū)，人居環(huán)境較好，較適宜人類的居住，是人口數(shù)量和密度較大的地區(qū)；地勢復雜、高程越高和交通不便的地區(qū)，人居環(huán)境較差，人口密度則相對較低。

3 結(jié)論與討論

人口統(tǒng)計數(shù)據(jù)受行政區(qū)劃的限制，存在時間和空間分辨率低的缺點，在當今數(shù)字化和信息化的時代，人口統(tǒng)計數(shù)據(jù)已遠遠不能滿足研究的需要，人口數(shù)據(jù)空間化為解析人口具體空間分布規(guī)律、災害風險精細化評估及人口與資源環(huán)境的協(xié)調(diào)性空間評價等領域提供了可能。對于山地城市而言，高程因子是人口分布的必要性因子，通過DEM數(shù)據(jù)對人居指數(shù)的修訂，能更有效精確地模擬山地城市的人口空間分布。此外，分析發(fā)現(xiàn)人口模擬精度隨時間的推移精度越來越高，從側(cè)面反映人口模擬精度一定程度上受地區(qū)經(jīng)濟發(fā)展的影響。重慶市人口總體呈增長態(tài)勢，地形越平緩，人口密度越大；地形越復雜，人口密度越小。人口密度最大的區(qū)域在渝西中部的主城區(qū)，其次為主城周圍區(qū)縣，在主城區(qū)至渝東北萬州區(qū)的長廊形區(qū)域人口密度也相對較大，渝東北的東北部和渝東南地區(qū)為人口密度最小的區(qū)域。

通過本文的研究，有效地空間化了重慶市三期的人口統(tǒng)計數(shù)據(jù)，并用高程數(shù)據(jù)修訂了人居指數(shù)，使模擬出的山地城市人口分布狀況更符合實際，但本研究也存在許多不足之處，雖然人居指數(shù)經(jīng)過高程數(shù)據(jù)的修訂，模擬精度有較大的提高，但模擬結(jié)果仍存在較大誤差，在后續(xù)研究中，應增加其他影響人口空間分布的因子，對人居指數(shù)模型進一步修改完善，并提高人口統(tǒng)計數(shù)據(jù)的邊界分辨率，以提高模擬精度。

[參考文獻]

[1] 司春霞，胡瑞芝.我國農(nóng)村居民點布局存在的問題及對策研究[J].農(nóng)村經(jīng)濟與科技，2006（12）：64-65.

[2] 范一大，史培軍，辜智慧，等.行政單元數(shù)據(jù)向網(wǎng)格單元轉(zhuǎn)化的技術(shù)方法[J].地理科學，2004，24（1）：105-108.

[3] Mennis J.Generating surface models of population using dasymetric mapping [J].The Professional Geographer，2003，55（1）：31-42.

[4] 楊小喚，江東，王乃斌，等.人口數(shù)據(jù)空間化的處理方法[J].地理學報，2002，57（增刊）：70-75.

[5] 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.

[6] 廖順寶，李澤輝.基于人口分布與土地利用關(guān)系的人口數(shù)據(jù)空間化研究——以西藏自治區(qū)為例[J].自然資源學報，2003（06）：659-665.

[7] Prosperie L，Eyton R. The relationship between brightness values from a nighttime satellite image and Texas County population[J].Southwestern Geographers，2002，92（2）：224-240.

[8] Amaral S，Monteiro A，Camara G，et al.DMSP-OLS night-time light imagery for urban population estimates in the Braziilian Amazon[J].International Journal of Remote Sensing，2006，27（5）：855-870.

[9] Sutton P.Modeling population density with night-time satellite imagery and GIS[J].Computer， Environment and Urban System，1997，21（3）：227-244.

[10] Chowdhury P K R，Maithani S，Dadhwal V K.Estimation of urban population in Indo-Gangetic Plains using night-time OLS data[J].International Journal of Remote Sensing，2012，33（8）：2498-2515.

[11] 卓莉，陳晉，史培軍，等.基于夜間燈光數(shù)據(jù)的中國人口密度模擬[J].地理學報，2005（02）：266-276.

[12] Roy Chowdhury P，Maithan I S.Monitoring growth of built-up areas in indo-gangetic plain using multi-sensor remote sensing data[J].Journal of the Indian Society of Remote Sensing，2010，38（2）：291-300.

[13] Lu D，Tian H，Zhou G，et al.Regional mapping of human settlements in southeastern China with multisensory remotely sensed data[J].Romote Sensing of Environment，2008，112（9）：3668-3679.

[14] Lu D， Weng Q，Li G.Residential population estimation using a remote sensing derived impervious surtace approach[J].International Journal of Remote Sensing，2006，27（16）：3553-3570.

[15] 楊續(xù)超，高大偉，丁明軍，等.基于多源遙感數(shù)據(jù)及DEM的人口統(tǒng)計數(shù)據(jù)空間化——以浙江省為例[J].長江流域資源與環(huán)境，2013（06）：729-734.