山西省人口空間公里格網分布模型研究

程紫燕,楊 斌,于 潼

(1．山西省地震局,山西 太原 030021;2．太原大陸裂谷動力學國家野外科學觀測研究站,山西 太原 030025)

0 引言

震后人員傷亡快速評估、重點救援區域判定、救災隊伍人數確定及救災物資需求規模估計等都離不開人口數據的支撐。精準的人口分布數據是完成上述評估的基礎,隨著遙感技術、GIS技術、無線通訊定位技術的發展,人口數據空間分布模型的研究也越來越深入。國內外眾多學者提出一系列模型和方法,按研究的不同階段以及所用的數據源主要分為:人口平均分配理論模型、空間插值法、人口分布影響因子分析法[1-5],基于GIS的空間化法[6-7]等。平均分配法操作最簡單,將人口平均分配在行政區劃單元內,但數據精度較低,與實際情況有較大差距;空間插值法是假設空間位置上越相近的點越有相似的特征值,此類方法能夠有效地縮減工作量,存在因插值方法不同、采樣規則不同會對數據成果有很大的影響,能否表征人口實際分布情況還需驗證;人口分布影響因子分析法需要專家賦值權重,受人為主觀因素影響較大[8];GIS技術為人口空間分布研究提供重要的技術手段,可以結合土地利用數據、行政區劃數據、地形數據等多源數據對人口分布進行研究,近十年來成為主要的人口空間分布研究方法。

傳統的基于行政區劃展現人口分布疏密狀態的方法,在理論方面和實際應用中都有很大的局限性。對近年來的多次破壞性地震,基于行政區劃的統計人口數據方法在震后災害快速評估中均表現不佳,需要探索精度更高、實際操作更便捷的人口分布模型。

由近年來人口空間分布模型研究結果可以看出,研究方向已從簡單的格網化向受自然、經濟、人文等多因素綜合影響的模型發展,數據處理方式由傳統統計方式向空間分析轉變,研究維度由單一維度向多維度轉化,人口模型成果越來越向實際靠攏。

本文以山西省為目標研究區域,通過建立人口空間公里格網數學模型,探討形成一套簡便快捷并符合應用要求的人口數據格網化方法。

1 人口分布模型建立與實現

人口空間分布數據是反映人口空間分布的重要表現,也是震后災害快速評估、應急救援決策的重要依據。根據不同的研究目標,人口數據空間精度需求不同,目前在數據研究尺度上,人口分布研究仍以宏觀維度為主,大比例尺人口分析較少,結合震后災害評估、應急救援決策需求,綜合考慮實用性及可操作性,本文以1 km×1 km為單元,研究山西省人口空間公里格網分布模型[9]。

人口的疏散和集聚是人口空間分布最直觀的體現。進行人口數據空間格網分布時,應明確空間各格網上的人口權重系數,從而確定各個格網的人口。現有模型的格網人口權重多采用土地利用數據,目前土地利用數據的信息損失現象普遍存在,因基于土地利用的人口分布模型又過于依賴土地利用數據,使得土地利用數據的質量直接影響研究結果的可靠性。從模型因子的角度看,居民地與人口的關系較土地利用更直接,無論在農村還是城市,人口分布與居住建筑的關系更緊密。

以居民地為基礎,分別賦予城市及農村地區各居民地塊權重,按照公里格網面積與所相交居民地面積占比作為人口分配權重,完成各公里格網內人口數量計算。

在GIS軟件的支持下,考慮以年鑒數據為后續更新來源,選取區縣的統計人口數據為總量,按照居民地內建筑面積確定居民地權重,實現公里格網人口分布計算模型如下:

(1)

式中:Pj為第j個單元格網內人口數;Sji為第j個居民地內第i個公里格網面積權重;Si為第i個居民地面積權重;Pi為i個居民地內總人數。

(2)

式中:Di為第i個居民地塊面積;D為區/縣等數據計算區面積;P為區/縣等數據計算區內總人口;Ri為第i個居民地塊權重。

將(2)式帶入(1)式后,得到式(3):

(3)

基于GIS軟件,首先建立1 km×1 km的空間格網,隨后在山西省居民地數據的基礎上,利用Python語言按照上述公式,進行模型計算,最終形成山西省人口空間公里格網數據(以下簡稱人口格網數據)(見圖1)。

圖1 山西省人口格網數據Fig.1 Population grid data of Shanxi Province

2 數據對比分析

模型結果的準確與否需要通過對比分析得到。現有大部分人口數據檢驗以統計數據為基礎,對于公里格網的人口數據,與統計數據的對比分析只能校驗人口數據總量是否準確,不能反映格網人口在空間上的分配精度。現運用夜間燈光數據、人口普查行政區劃數據、實地調研數據等,與模型結果進行對比,驗證其準確性及實用性。

將模型生成的人口格網數據與夜間燈光數據進行對比發現,人口疏密程度與夜間燈光明亮程度緊密相關,全省趨勢整體一致(見圖2)。從圖2看出,山西省人口密集區主要集中在地市級行政中心,最明亮地區表現的是太原市與晉中市兩個人口密集主城區相鄰疊加的效果;在太原盆地南部平遙、孝義一帶有一部分燈光明亮區,人口格網數據反映出該地區雖然不是地市級中心,但人口密度較大。

圖2 人口格網數據與夜間燈光數據對比圖Fig.2 Comparison between grid population data and nighttime light data

將人口格網數據與普查行政區劃數據疊加分析看出,按照模型生成的格網數據在空間分布上與普查行政區劃數據高度吻合,在數據表達上更加清晰明確,有空間的疏密分布,還有人口數值的直觀不同。對比基于行政區劃的人口數據,格網數據無論在空間分布上還是數值表現上都更細致準確(見圖3)。人口格網數據圖中,昌寧鎮行政區劃的人口最密集,且集中于一定區域,該鎮仍存在大面積人口稀少區;臺頭鎮、西坡鎮、管頭鎮等地都有高密度人口聚集地,不是行政區劃人口圖中一致顯示的低密度區。這種表達方式能更直觀精細地體現人口密集區域所處位置,為未來震后救援或者其他針對人口密集區的處置對策提供參考依據。

圖3 人口格網數據與行政區劃人口對比圖Fig.3 Comparison between grid population data and population data by administrative divisions

將模型生成的人口格網數據與地形數據(見圖4)、道路數據(見圖5)疊加分析看出,建筑物稠密的城市地區、建筑物松散分布的農村地區與格網人口的疏密形成較好的空間耦合性,人口分布整體表現為依照地形、沿交通道路輻射的空間形態分布。圖4、圖5都反映出在山區人口明顯稀少,沿道路人口密集,符合山西農村地區的生活習俗,依山傍崖,居住密集區的建筑大都在坡地和河谷地帶。

圖4 人口格網數據與地形數據疊加圖Fig.4 Overlay of grid population data with remote sensing images and terrain data

圖5 人口格網數據與道路數據疊加圖Fig.5 Overlay of grid population data with road data

本研究還采用實地調查數據對模型結果進行精度檢驗,通過對比看出,因存在外出務工、上學等情況,實際調研人數較格網人口人數較少,格網人口與戶籍人口較一致,誤差率最大為7.66%,最小為0.13%,平均誤差率為2.1%(見表1)。對比結果表明,模型生成的公里格網人口數據與實際數據誤差較小,具有較高的精度。

表1 人口格網數據與實際調研人數對比Table 1 Comparison between grid population data and actual surveyed population

3 結論與討論

基于居民地基礎數據、人口統計數據建立的人口格網數據模型,通過與夜間燈光數據、行政區劃人口、道路數據、地形數據和實際調研數據等疊加分析對比,得出如下結論:

(1) 夜間燈光的明亮度與格網人口的疏密程度高度重合。

(2) 行政區劃的人口與格網人口趨勢一致,格網人口表現得更精細。

(3) 與道路數據和地形數據疊加分析,格網人口的疏密與地形、交通相互對應,印證出格網人口的合理性。

(4) 與實際調研數據對比的誤差較小,分析可知誤差存在的原因由流動人口和靜態統計數字之差造成。

綜上得出,該人口分布模型與實際相符性較高,可作為應急輔助決策、災害風險評估研究、震后災情快速判斷、救援力量科學部署的參考依據,也可為大數據挖掘應用服務防災減災提供借鑒。

格網人口能精細地展示出各地在人口分布的特點,顯示出人口密集區和稀少區,精確表達人口在空間區域的差異,為制定合理的應急預案提供科學依據,可應用于震后救災部署、密集人群風險預判等應急工作,同時也能避開無人區域,節約公共資源,提高應急處置效率。

該人口分布模型以人口統計數據作為總量控制,未考慮流動人口造成的實際數據差距,在后續研究中應加以改進。在實際生活中,人員流動不僅僅是城市間的交流,在大中城市以及一些典型城市,還存在工作區與生活區之間的白晝差別,甚至某些特定時段會在特定場所出現大量人員聚集。如何在破壞性地震發生后較準確判定災情,以目前比例尺下的人口分布模型恐難以實現,需要放大比例尺,增加更多參考系數來研究城區分時段的人口分布模型。