基于特征分區(qū)的山東省人口數(shù)據(jù)空間化研究

杜臣昌，和嫻

(青島市城市規(guī)劃設(shè)計(jì)研究院，山東 青島 266071)

人口問題關(guān)系著我國(guó)經(jīng)濟(jì)社會(huì)的可持續(xù)發(fā)展，掌握人口數(shù)據(jù)及其空間分布規(guī)律有著重要的現(xiàn)實(shí)意義[1].目前的人口數(shù)據(jù)是以基層行政區(qū)為單元，通過統(tǒng)計(jì)、普查、逐級(jí)匯總而得，這種統(tǒng)計(jì)數(shù)據(jù)空間分辨率較低，難以反映人口的實(shí)際空間分布[2].人口數(shù)據(jù)空間化是指按照一定的規(guī)則，采用合理的技術(shù)手段，將人口統(tǒng)計(jì)數(shù)據(jù)分配到統(tǒng)計(jì)單元內(nèi)部一定尺寸規(guī)則格網(wǎng)的過程，其可較好地解決人口數(shù)據(jù)分辨率低的問題，獲得更接近實(shí)際的人口分布情況[3].

隨著遙感(RS)和地理信息系統(tǒng)技術(shù)(GIS)的快速發(fā)展，采用遙感估算法對(duì)人口數(shù)據(jù)進(jìn)行空間化是目前最為重要的手段之一[4].DMSP/OLS夜間燈光數(shù)據(jù)能夠敏銳探測(cè)到小規(guī)模居住用地發(fā)出的低強(qiáng)度燈光，在監(jiān)測(cè)人類夜間活動(dòng)方面有其獨(dú)特的優(yōu)越性因而備受青睞[5].王釗等利用夜間燈光數(shù)據(jù)模擬了2012年江蘇省人口密度[6]，李翔等基于夜間燈光數(shù)據(jù)和空間回歸模型實(shí)現(xiàn)了上海市人口數(shù)據(jù)網(wǎng)格化[7].以上研究主要是根據(jù)夜間燈光輻射數(shù)據(jù)與人口分布的相關(guān)關(guān)系，構(gòu)建回歸模型，通過獲取輻射數(shù)據(jù)的人口分布系數(shù)模擬人口分布情況，其不足之處在于沒有考慮到不同區(qū)域人口分布特征和影響因素的差異[8].為了解決這一問題，有必要進(jìn)行人口分布特征分區(qū)[9].鑒于此，本文以我國(guó)人口密集地區(qū)—山東省為研究區(qū)，基于土地利用數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)和DEM進(jìn)行人口分布特征分區(qū)，之后利用DMSP/OLS夜間燈光輻射數(shù)據(jù)構(gòu)建各分區(qū)回歸模型，進(jìn)而獲取更高精度的人口空間數(shù)據(jù)，以此為基礎(chǔ)，探討山東省人口集中地區(qū)(Densely Inhabited District，DID)分布特征.

1 研究區(qū)域、數(shù)據(jù)來源和研究方法

1.1 區(qū)域概況

山東省位于我國(guó)東部沿海、黃河下游，地理位置為114°47′E-122°42′E，34°23′N-38°24′N，東西長(zhǎng)721 km，南北長(zhǎng)437 km，陸域面積15.58×104km2.屬于暖溫帶季風(fēng)氣候，降水集中，雨熱同季，春秋短暫，冬夏較長(zhǎng).全省共轄17個(gè)地級(jí)市137個(gè)縣級(jí)單元.2013年全省總?cè)丝?733萬人，平均人口密度為624人/km2，約為全國(guó)人口密度的4.3倍.

1.2 數(shù)據(jù)源及預(yù)處理

本研究采用的數(shù)據(jù)包括土地利用、DMSP/OLS夜間燈光、DEM、縣級(jí)行政界線、人口與經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)(表1).其中，土地利用數(shù)據(jù)由國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)共享服務(wù)平臺(tái)提供，主要包含耕地、林地、草地、水域、建設(shè)用地與未利用地6個(gè)一級(jí)土地利用類型，分辨率為100 m×100 m；在此數(shù)據(jù)基礎(chǔ)上，生成1 km土地利用成分柵格數(shù)據(jù).DMSP/OLS夜間燈光采用美國(guó)國(guó)家地球物理數(shù)據(jù)中心(NGDC)的F182013產(chǎn)品，其灰度值范圍為0-63.DEM數(shù)據(jù)由地理空間數(shù)據(jù)云提供，分辨率為30 m×30 m.行政邊界數(shù)據(jù)國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)共享服務(wù)平臺(tái)提供，比例尺為1∶40萬.人口與經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)來自2014年山東省17個(gè)地級(jí)市統(tǒng)計(jì)年鑒.

所有數(shù)據(jù)統(tǒng)一投影至Krasovsky_1940_Alebers坐標(biāo)系下，并裁剪到研究區(qū)范圍.利用ArcGIS空間分析功能，統(tǒng)計(jì)出各縣級(jí)單元夜間燈光強(qiáng)度之和、各類土地利用比例、平均高程等.

表1 數(shù)據(jù)來源及主要參數(shù)

1.3 研究方法

1.3.1 人口分布特征分區(qū)

人口分布特征分區(qū)可以將具有相似人口空間分布特征和影響因素的區(qū)域劃分到同一個(gè)區(qū)，便于分區(qū)構(gòu)建人口數(shù)據(jù)空間化模型.選取了與人口分布密切相關(guān)的人口密度、GDP密度、高程、耕地面積比例、建設(shè)用地面積比例等多個(gè)指標(biāo)；基于指標(biāo)對(duì)137個(gè)縣級(jí)單元進(jìn)行聚類分析，最終得到5個(gè)人口分布特征分區(qū)(表2).分區(qū)1包含6個(gè)人口密集且經(jīng)濟(jì)發(fā)達(dá)市轄區(qū)，其人口密度、GDP密度及建設(shè)用地面積比例遠(yuǎn)高于其他地區(qū)，平均高程低于其他地區(qū).分區(qū)2包含28個(gè)縣級(jí)單元，其人口密度、GDP密度、建設(shè)用地面積比例處于較高水平.分區(qū)3、分區(qū)4和分區(qū)5，人口密度、耕地面積比例、建設(shè)用地面積比例相當(dāng)，但GDP密度存在明顯差異.

表2 分區(qū)指標(biāo)統(tǒng)計(jì)表

1.3.2 人口數(shù)據(jù)空間化方法

本文對(duì)每個(gè)分區(qū)單獨(dú)構(gòu)建人口與夜間燈光輻射的線性回歸模型，進(jìn)而模擬人口空間分布.模型公式如下：

Pi=k×nli+b

(1)

式中：P為某分區(qū)下第i縣的統(tǒng)計(jì)人口數(shù)；k為夜間燈光強(qiáng)度系數(shù)；nli為該縣的燈光強(qiáng)度值.考慮到某些無燈光區(qū)域(如水域)沒有人口分布，因而將b設(shè)為0.

2 人口數(shù)據(jù)空間化結(jié)果分析

2.1 誤差分析

以縣級(jí)行政區(qū)劃為單元，統(tǒng)計(jì)人口分布特征分區(qū)前、分區(qū)后的各誤差值范圍內(nèi)的縣級(jí)單元個(gè)數(shù)、模型調(diào)整R2、平均相對(duì)誤差，結(jié)果如表3所示.表3表明，分區(qū)后，各分區(qū)的平均相對(duì)誤差較分區(qū)前分別降低了11.85%、20.55%、12.05%、7.36%、20.73%.絕對(duì)值≥40%的縣級(jí)單元個(gè)數(shù)除分區(qū)1保持不變外，其余4個(gè)分區(qū)明顯減少，所占全部縣級(jí)單元的比例由分區(qū)前的51.82%降低到29.20%；絕對(duì)值≤20%的縣級(jí)單元個(gè)數(shù)由分區(qū)前的34個(gè)增加到55個(gè)，所占全部縣級(jí)單元的比例由分區(qū)前的24.82%增加到40.16%.對(duì)整個(gè)區(qū)域而言，平均相對(duì)誤差由分區(qū)前的36.05%降低到21.47%，即分區(qū)后平均相對(duì)誤差降低了14.58%.在山東省137個(gè)縣級(jí)單元中，共有89個(gè)縣級(jí)單元的平均相對(duì)誤差絕對(duì)值數(shù)值得到降低，比例達(dá)到64.96%.另外，分區(qū)后各分區(qū)的模型調(diào)整R2均高于0.9，與分區(qū)前相比，均有明顯提高.這表明人口分布特征分區(qū)明顯提高了人口數(shù)據(jù)空間化結(jié)果的精度.

表3 分區(qū)前后各分區(qū)誤差統(tǒng)計(jì)

注：N*表示為分區(qū)前；Y*表示分區(qū)后

2.2 空間分布分析

2013年山東省人口空間化分布表明，濟(jì)南、青島、煙臺(tái)等發(fā)達(dá)城市部分市轄區(qū)人口數(shù)量明顯高于一般區(qū)縣，且市中心區(qū)域集聚了大量人口，離市中心區(qū)域越遠(yuǎn)，人口數(shù)量越少.對(duì)于一般區(qū)縣而言，縣中心區(qū)域集聚了大量人口，離縣中心越遠(yuǎn)，人口分布也越少.這種結(jié)果符合實(shí)際情況，且體現(xiàn)了人口分布在空間上的差異性和集聚性，因此成果可以用來反映實(shí)際的人口分布規(guī)律.與人口統(tǒng)計(jì)數(shù)據(jù)相比，成果比較直觀且空間分辨率較高，因而可以為制定區(qū)域人口、經(jīng)濟(jì)、生態(tài)和社會(huì)發(fā)展政策提供數(shù)據(jù)支撐.

2.3 DID分析

DID是日本用來指人口密度為4000人/km2以上的調(diào)查區(qū)或市區(qū)町村內(nèi)互相鄰接、合計(jì)人口在5000以上的調(diào)查區(qū).在我國(guó)，與日本DID對(duì)應(yīng)的為建成區(qū)，是指城市建設(shè)連片，基礎(chǔ)設(shè)施和公用設(shè)施到達(dá)的地區(qū).對(duì)比兩個(gè)概念可知，建成區(qū)主要針對(duì)城市規(guī)劃建設(shè)而言，DID主要針對(duì)人口分布而言.前者有我國(guó)“城鄉(xiāng)二元結(jié)構(gòu)”的烙印，這是因?yàn)榻ǔ蓞^(qū)附近有大量村莊(“城中村”)實(shí)際上已經(jīng)具有城市特征，但卻沒有計(jì)入建成區(qū)范疇，而后者可以有效解決上述問題，且能夠解釋諸如“鬼城”等不合理的城市化現(xiàn)象.因而《中國(guó)城市綜合發(fā)展指標(biāo)2017》引入了DID的概念，并基于我國(guó)的人口分布特點(diǎn)，認(rèn)為其為“人口密度在5000人/km2以上的地區(qū)”.

表4為青島省各城市DID指標(biāo)統(tǒng)計(jì)表.青島市、煙臺(tái)市、濰坊市、濟(jì)南市、臨沂市的DID總面積較大，居于山東省前5位，其中青島市作為山東省經(jīng)濟(jì)中心，DID總面積、最大DID面積、DID比例三項(xiàng)指標(biāo)均位居首位，反映了青島較強(qiáng)的人才、產(chǎn)業(yè)、資源的凝聚能力；濟(jì)南市作為山東省政治中心，雖然其DID總面積僅居第四位，但其最大DID面積、DID比例僅次于青島市，明顯領(lǐng)先于其他地級(jí)市，反映了其較強(qiáng)的發(fā)展?jié)摿?；臨沂市作為山東省第一人口大市、魯東南地區(qū)中心城市、商貿(mào)物流中心，其DID總面積也較大.淄博市、濟(jì)寧市、濱州市、威海市、德州市、日照市、東營(yíng)市的DID總面積、最大DID面積、DID比例均局于中游水平，表明這些城市存在一定的發(fā)展?jié)摿?菏澤市、聊城市、泰安市、棗莊市、萊蕪市的DID總面積較小，其中菏澤市雖然人口數(shù)居于山東省第三位，但DID比例全省最低，應(yīng)發(fā)揮人口總量對(duì)DID增長(zhǎng)的促進(jìn)作用；棗莊市的最大DID位于其下轄縣級(jí)市(滕州市)，表明其中心城區(qū)在DID發(fā)展方面弱于滕州市，應(yīng)積極推動(dòng)其中心城區(qū)的發(fā)展.

表4 山東省各城市DID指標(biāo)統(tǒng)計(jì)表

3 結(jié) 論

本文以我國(guó)人口密集地區(qū)—山東省為研究區(qū)，基于土地利用數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)和DEM進(jìn)行人口分布特征分區(qū)，之后利用DMSP/OLS夜間燈光輻射數(shù)據(jù)和線性回歸模型進(jìn)行各分區(qū)的人口數(shù)據(jù)空間化處理，進(jìn)而探討了人口分布特征分區(qū)的效果和基于研究結(jié)果的山東省DID分布特征.結(jié)果表明：

(1)經(jīng)過人口分布特征分區(qū)，超過60%縣級(jí)單元的平均相對(duì)誤差絕對(duì)值得到降低，相對(duì)誤差值小于20%的縣級(jí)單元個(gè)數(shù)比例由分區(qū)前的24.82%增加到38.69%，相對(duì)誤差值大于40%的縣級(jí)單元個(gè)數(shù)比例由分區(qū)前的51.82%降低到29.20%，且模型的調(diào)整R2值明顯提高，這表明人口分布特征分區(qū)能夠明顯提高人口數(shù)據(jù)空間化結(jié)果的精度.

(2)人口空間化分布結(jié)果表明市中心和縣中心集聚了大量人口，體現(xiàn)了人口分布在空間上的差異性和集聚性.

(3)DID分析結(jié)果表明青島市、煙臺(tái)市、濰坊市、濟(jì)南市、臨沂市的DID總面積較大，反映了它們較強(qiáng)的人才、產(chǎn)業(yè)、資源的凝聚能力；菏澤市、聊城市、泰安市、棗莊市、萊蕪市的DID總面積較小，表明這些城市具有一定的發(fā)展?jié)摿?

致謝：感謝國(guó)家科技基礎(chǔ)條件平臺(tái)-國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)共享服務(wù)平臺(tái)(http://www.geodata.cn)提供數(shù)據(jù)支撐.