青島地區(qū)人口密度空間化模擬?

于欣鑫， 馬安青， 邢容容， 羅崇鑫， 馬冰然， 張志強(qiáng)(中國海洋大學(xué)環(huán)境科學(xué)與工程學(xué)院，山東 青島 266100)

?

青島地區(qū)人口密度空間化模擬?

于欣鑫， 馬安青??， 邢容容， 羅崇鑫， 馬冰然， 張志強(qiáng)
(中國海洋大學(xué)環(huán)境科學(xué)與工程學(xué)院，山東 青島 266100)

相對于傳統(tǒng)人口統(tǒng)計(jì)數(shù)據(jù)，高精度的人口密度空間化分布數(shù)據(jù)更能反應(yīng)人口的實(shí)際分布情況。由于城市主體位于丘陵地貌上，青島地區(qū)相對其他沿海城市有著特殊的人口分布規(guī)律。本文以青島地區(qū)為例，對人口密度進(jìn)行空間化分布模擬。以GIS為平臺，在提取土地利用類型、DEM高程、道路分布等常見影響因子之外，引入DMSP夜間燈光影像數(shù)據(jù)，利用SPSS軟件進(jìn)行多元回歸分析，建立并優(yōu)化模型，進(jìn)而比較這些因子對人口分布的影響度以及在青島地區(qū)的擬合效果，最后模擬生成1km網(wǎng)格內(nèi)的2010年人口密度分布圖。經(jīng)過對比驗(yàn)證，所得結(jié)果與現(xiàn)實(shí)吻合度較高，基本符合實(shí)際人口分布情況，能夠清晰地反映青島地區(qū)人口分布規(guī)律，可以為研究人口分布規(guī)律及人口管理等提供一定的數(shù)據(jù)支持。

人口密度； 空間化模擬； 人口分布規(guī)律和管理

人口問題是影響社會與經(jīng)濟(jì)發(fā)展的關(guān)鍵因素，獲取人口數(shù)據(jù)并掌握其分布規(guī)律有著重要的現(xiàn)實(shí)意義。傳統(tǒng)的人口統(tǒng)計(jì)數(shù)據(jù)多源于人口普查，在實(shí)際應(yīng)用中存在著數(shù)據(jù)的空間分辨率(縣級)和時(shí)間分辨率低的問題[1]，無法精確地顯示人口分布規(guī)律。人口數(shù)據(jù)空間化是指通過人口統(tǒng)計(jì)數(shù)據(jù)，通過適宜的參數(shù)和模型方法，反演出在一定時(shí)間和一定地理空間中的人口分布狀態(tài)[2]，可以較好的解決分辨率低的問題，更接近人口的實(shí)際分布。人口數(shù)據(jù)空間化的研究方法主要有面積權(quán)重法、數(shù)學(xué)插值法、密度表面模擬法、遙感數(shù)據(jù)與GIS支持的估算法等[3-6]。而隨著技術(shù)和理論的成熟，遙感數(shù)據(jù)和GIS支持的估算法已被廣泛應(yīng)用，成為人口數(shù)據(jù)空間化的重要手段之一。

人口的空間分布是區(qū)域內(nèi)地形、水系、土地利用、交通廊道等多種因素共同作用的結(jié)果[7]。近十余年中，隨著相關(guān)技術(shù)的發(fā)展，許多學(xué)者利用這些影響因素進(jìn)行人口的空間分布研究，取得了大量成果[8-11]。林飛娜等[12]通過建立模型，模擬了長春市的空間人口分布情況；廖順寶等[13]利用土地?cái)?shù)據(jù)，進(jìn)行了四川省的人口分布空間化實(shí)驗(yàn)；封志明等[14]分析了中國地形起伏度與人口分布的相關(guān)性，得到兩者的對數(shù)曲線擬合度高達(dá)0.91；范科紅等[15]通過研究得出道路基礎(chǔ)設(shè)施與人口分布有著密切的聯(lián)系。此外，卓莉等[16]通過夜間燈光數(shù)據(jù)與適應(yīng)居住區(qū)面積的分析統(tǒng)計(jì)，得到了1998年1km網(wǎng)格內(nèi)的中國人口密度圖，人口分布情況與實(shí)際基本一致。

青島是膠東半島的經(jīng)濟(jì)中心城市，地勢特征明顯，人口分布規(guī)律特殊。本文以青島地區(qū)為研究對象, 提取土地利用、地形、道路等常見因子，并引入DMSP夜間燈光數(shù)據(jù)，結(jié)合青島地區(qū)的人口統(tǒng)計(jì)資料，通過對各因子的回歸分析建立模型，模擬了青島地區(qū)的人口分布情況，并通過研究因子對人口分布的影響度和擬合效果，比較他們在青島地區(qū)的適應(yīng)性，所得結(jié)果可以為人口與資源、環(huán)境的綜合管理提供借鑒。

1 研究區(qū)域概況及數(shù)據(jù)源

1.1 青島地區(qū)概況

青島地區(qū)位于山東省半島南端，東南瀕臨黃海，環(huán)繞膠州灣，周邊毗鄰煙臺市、日照市、濰坊市，全區(qū)位于35°35′N～37°09′N、119°30′E～121°00′E之間，屬于溫帶季風(fēng)氣候帶，地勢東高西低，南北兩側(cè)隆起，中間低陷，境內(nèi)有膠萊平原和盆地，其中平原約占總面積的37.7%，丘陵占25.1%，區(qū)域內(nèi)最高點(diǎn)位于市轄嶗山區(qū)嶗山山脈，峰頂海拔1132.7m。青島地區(qū)包括市轄7個區(qū)和青島市代管的5個縣級市，包括即墨市、平度市、膠南市、膠州市和萊西市(2012年青島變更行政規(guī)劃， 將黃島區(qū)和縣級膠南市合并為新的黃島區(qū)，將市北區(qū)和四方區(qū)合并為新的市北區(qū))。2010年，全區(qū)總面積為11282km2，戶籍總?cè)丝跒?53.64萬人，區(qū)內(nèi)公路通車?yán)锍踢_(dá)16181.5km。

青島市是副省級城市，膠東半島的經(jīng)濟(jì)中心城市，經(jīng)濟(jì)發(fā)展水平較高，聚集的大量人口給城市帶來了極大的影響。且青島地區(qū)的城市主體基本位于丘陵地貌上，相對中國東部多數(shù)城市而言，人口分布有著特殊的規(guī)律。因此，對青島地區(qū)的人口進(jìn)行空間化研究、總結(jié)人口分布規(guī)律，在東部沿海區(qū)域的人口分布研究中有著特殊的意義，同時(shí)也對青島的城市規(guī)劃與管理以及生態(tài)環(huán)境的機(jī)制研究有著很好的現(xiàn)實(shí)作用。

1.2 數(shù)據(jù)源

2010年人口統(tǒng)計(jì)數(shù)據(jù)來源于青島市統(tǒng)計(jì)信息年鑒中的分市、區(qū)人口數(shù)(截止2010年底)；2010年青島地區(qū)土地利用圖、道路數(shù)據(jù)以及1∶400萬青島地區(qū)縣級行政邊界圖；青島地區(qū)DEM高程圖，分辨率為90m。來源于中國科學(xué)院數(shù)據(jù)應(yīng)用環(huán)境；2010年DMSP/OLS夜間燈光數(shù)據(jù)(F18衛(wèi)星)，灰度值范圍0～63，地面分辨率0.00833Degrees。來源于美國國家地球物理數(shù)據(jù)中心。

2 人口數(shù)據(jù)空間化

2.1 數(shù)據(jù)預(yù)處理

2.1.1 投影轉(zhuǎn)換 為統(tǒng)一格式便于圖像的數(shù)據(jù)處理，將空間數(shù)據(jù)的投影統(tǒng)一轉(zhuǎn)換為WGS1984。

2.1.2 重采樣 將相關(guān)柵格數(shù)據(jù)進(jìn)行1km重采樣操作，統(tǒng)一像元大小。

2.1.3 青島地區(qū)數(shù)據(jù)提取

(1)基于GIS平臺，以土地利用類型字段為基礎(chǔ)，將土地利用圖轉(zhuǎn)化為1km網(wǎng)格的柵格數(shù)據(jù)。然后以縣級行政邊界圖為掩膜，提取青島地區(qū)各縣區(qū)的土地利用數(shù)據(jù)，計(jì)算出各縣區(qū)的人口密度及主要土地利用類型在總面積中所占的比例(見表1)。

表1 2010年青島各縣區(qū)土地利用數(shù)據(jù)Table1 Land use data of Qingdao in 2010

Note:①Land area；②Population density；③Proportion of arable land；④Proportion of forest land；⑤Proportion of residential area

(2)通過DEM高程圖獲取青島地區(qū)的高程值，通過分區(qū)統(tǒng)計(jì)工具，計(jì)算得到青島各縣區(qū)的DEM平均值，如表2。

(3)基于DEM高程圖，利用GIS中的表面分析工具，提取出坡度分布圖。并通過分區(qū)統(tǒng)計(jì)計(jì)算青島各縣區(qū)的平均坡度。

(4)利用縣級行政邊界圖提取青島各縣區(qū)DMSP夜間燈光數(shù)據(jù)，獲得燈光總強(qiáng)度和燈光灰度平均值。

(5)利用縣級行政邊界圖提取各縣區(qū)道路數(shù)據(jù)，并計(jì)算出道路密度。

2.2 單因子回歸分析

2.2.1 人口與土地利用的關(guān)系 中國人口尤其是農(nóng)村人口的分布，與土地有著密切的聯(lián)系[17]。土地利用類型主要分為6類：耕地、林地、草地、水域、未利用土地以及城鄉(xiāng)、工礦、居民用地(以下簡稱居住區(qū))[18]。提取出的土地?cái)?shù)據(jù)顯示，青島市轄區(qū)的土地利用以居住區(qū)和林地為主，而其他縣市利用情況基本相同，主要為耕地和居住區(qū)。

表2 青島各縣區(qū)地理數(shù)據(jù)Table 2 Geographic data of Qingdao in 2010

Note:①M(fèi)ean DEM；②Mean slope；③Average light；④Density of roads

將各縣區(qū)土地利用的數(shù)據(jù)分別與人口密度做回歸分析，耕地、居住區(qū)和林地3種利用類型與人口相關(guān)系數(shù)均達(dá)到0.80以上(見圖1)，可以看出這3種是對人口分布影響最大的土地利用類型。而水域、草地和未利用土地與人口密度的相關(guān)系數(shù)均小于0.2，相關(guān)性不顯著，在此不予分析。

2.2.2 人口與高程、坡度的關(guān)系 地形地貌是人口分布的主要影響因素之一，世界人口稠密地區(qū)多分布在平原。青島地區(qū)地勢東高西低，南北兩側(cè)隆起，中間低陷，地形特征明顯。以平均高程和平均坡度為自變量分別做回歸分析(見圖2)，得到與人口密度的相關(guān)系數(shù)為0.74、0.87，即高程與坡度與人口分布間都有著較高的相關(guān)性。

封志明等[14]研究表明，人口分布與地形起伏度成負(fù)相關(guān)，全國85%的人口居住在相對高差小于500m的地區(qū)。而相關(guān)性分析顯示，在一定高程范圍內(nèi)，青島的人口密度與高程、坡度卻均成正相關(guān)。若去除市轄區(qū)這個樣本，其他五縣市人口密度與高程便呈負(fù)相關(guān)性。這正是因?yàn)榍鄭u獨(dú)特的地勢特征：城市主體位于丘陵地貌。而且人口最為密集的市轄區(qū)域內(nèi)，坐落著最高海拔1132.7m的嶗山山脈，致使平均高程變大，令回歸分析結(jié)果不同于全國整體趨勢，且人口分布的高程與坡度范圍均不同于其他地區(qū)。

圖1 人口與土地利用的關(guān)

圖2 單因子與人口的關(guān)系

2.2.3 人口與道路網(wǎng)的關(guān)系 人口分布同時(shí)受著不同等級道路的影響[13]。青島道路交通分布圖中將道路分為國道、高速和省道三級，通過GIS提取各級道路的長度：國道241.9km、高速746.4km、省道3085.2km。為簡化數(shù)據(jù)，本文將三級公路求和，統(tǒng)一計(jì)算道路密度，并與人口密度進(jìn)行回歸分析(見圖2)，得到相關(guān)系數(shù)為0.96。

2.2.4 人口與DMSP夜間燈光數(shù)據(jù)的關(guān)系 夜間燈光是個綜合因子，含蓋了交通和居民地等與人口分布密切相關(guān)的信息，源自DMSP/OLS傳感器的探測。這種傳感器的量級4倍于普通傳感器，可以在夜間探測到城市燈光甚至小規(guī)模居民地、車流等發(fā)出的低強(qiáng)度燈光,并使其明顯區(qū)別于黑暗的鄉(xiāng)村背景。夜間燈光數(shù)據(jù)憑借其特殊性，已成為模擬人口密度分布中的重要方法之一。

本文在土地利用類型等常用分析因子的基礎(chǔ)上添加了夜間燈光數(shù)據(jù)，利用其特殊性提高人口模擬的精度。將提取的燈光總強(qiáng)度和灰度平均值分別與人口密度值進(jìn)行回歸分析，得到相關(guān)系數(shù)為0.88和0.92(見圖2)。此處選取相關(guān)性較高的燈光灰度平均值進(jìn)行后續(xù)分析。

2.3 多因子回歸分析

從單因子回歸分析中對比相關(guān)系數(shù)可以確定，土地利用類型(L)、高程(E)、坡度(S)、道路(R)、DMSP(D)數(shù)據(jù)與人口的密度分布都有著很高的相關(guān)性，即它們是影響人口分布的重要因子。以這些影響因子為自變量，以人口密度為因變量，導(dǎo)入SPSS軟件中進(jìn)行多元回歸分析。根據(jù)不同的因子個數(shù)和組合方式，可以得到不同相關(guān)性的回歸方程。[20]

表3 回歸方程Table 3 Regression equations

2.4 人口數(shù)據(jù)空間化

在ArcGIS中添加回歸方程中涉及的因子圖層，在柵格計(jì)算器工具中代入回歸方程4進(jìn)行計(jì)算，得出各縣市的像元所對應(yīng)的模擬人口密度值，并生成新圖層，以此步驟來進(jìn)行人口空間化的分布模擬。

最終得到的圖層即為2010年青島市1km網(wǎng)格內(nèi)人口密度空間分布圖(見圖3)。

3 成果分析驗(yàn)證

將統(tǒng)計(jì)的人口密度與模擬結(jié)果相比較，各區(qū)縣單獨(dú)的模擬情況吻合度均能達(dá)到84%以上，最高可達(dá)99%。而將各區(qū)的實(shí)際與模擬數(shù)據(jù)進(jìn)行回歸分析(見圖4)，相關(guān)系數(shù)為99.39%，即整體吻合度非常好。

表4中對人口密度模擬結(jié)果進(jìn)行了對比分析，可以看出,青島平均人口密度為832人/km2，平均人口密度最小值分布在膠南市，為408人/km2；最大值分布在市轄區(qū)，為2331人/km2。而由得到的人口密度分布圖中可以直觀發(fā)現(xiàn)，青島地區(qū)人口多分布于市轄區(qū)以及各縣市的中心邊界地區(qū)和部分邊界地帶。其中，青島市轄區(qū)內(nèi)人口分布最為密集，人口密度明顯大于其他縣市。而即墨等五縣市情況基本相同，人口多分布在縣市中心或與市轄區(qū)邊界的接壤處，人口稀少處多位于邊界處。

圖3 青島地區(qū)2010年1km網(wǎng)格人口密度分布圖(單位：人/km2)

人口密度①/人·km2即墨Jimo平度Pingdu膠南Jiaonan膠州Jiaozhou萊西Laixi市轄Shixia青島Qingdao實(shí)際②6164354736194652333823模擬③5875124086085442331832吻合度④0．95290．84960．86260．98220．85480．99910．9892

Note:①Population density; ②Actual value; ③Simulated value; ④Correlation

圖4 青島地區(qū)模擬人口密度與實(shí)際人口密度的關(guān)系

與現(xiàn)實(shí)情況對比，這種結(jié)果基本貼合實(shí)際情況，即成果可以反映出實(shí)際的人口分布規(guī)律。所得的人口密度空間分布圖清晰地反映了青島地區(qū)的人口分布狀況，體現(xiàn)了人口分布在空間上的差異性，在使用中將可以有很強(qiáng)的直觀表達(dá)性和實(shí)際應(yīng)用性。

4 結(jié)果與討論

本文以具有明顯特征的青島地區(qū)為例，選取了多種影響因子，對人口密度空間化進(jìn)行了模擬。模擬過程中以柵格圖像像元為基本單位，相對于傳統(tǒng)意義上以行政區(qū)域?yàn)閱挝坏娜丝诿芏确植记闆r，得到的成果更有代表性。成果可以為青島地區(qū)的人口與資源環(huán)境的科學(xué)管理規(guī)劃提供研究借鑒和有效的數(shù)據(jù)支持。而且因?yàn)榍鄭u地區(qū)地勢以及人口分布的特殊性，也可以為其他地區(qū)的人口密度空間化研究提供一定的參考。

通過在青島地區(qū)的分析和模擬情況，可以確定在選取的常規(guī)因子中，耕地和林地極大的影響著人口的分布范圍；居住區(qū)以及夜間燈光數(shù)據(jù)能夠直接反應(yīng)人口的分布情況，可以直接用于人口的分布模擬；道路的密集程度也與人口分布互相影響，成正比例相關(guān)。并綜合目前不同地區(qū)的研究成果來看，可以認(rèn)為這些規(guī)律能適用于大多數(shù)情況下的人口分布研究。但在青島地區(qū)，受獨(dú)特的地形特征影響，在縣市尺度上的高程、坡度與人口分布成正相關(guān)，這異于其他城市，成為了青島地區(qū)人口模擬的特殊情況。

針對市轄區(qū)內(nèi)的7個區(qū)，此次研究將其作為市轄區(qū)這一個整體納入行政區(qū)劃。若將它們與其他縣級市并行分析，人口密度與高程、坡度的相關(guān)性也將與全多多數(shù)地區(qū)相同，趨勢呈現(xiàn)負(fù)相關(guān)。但因?yàn)閰^(qū)域內(nèi)人口密集分布、嶗山區(qū)內(nèi)的高差等原因，與其他縣級市的情況差異較大，會影響青島地區(qū)的整體分析和模擬，因而沒有進(jìn)行細(xì)化研究。

相較常用的人口空間化分析方法，本文又添加了夜間燈光數(shù)據(jù)(DMSP)。該數(shù)據(jù)能夠探測城市燈光以及居民地等發(fā)出的燈光，與人口分布有著密切的關(guān)系，并憑借其相對于土地等其他數(shù)據(jù)的特殊性，成為近年模擬人口密度分布中的重要利用數(shù)據(jù)之一。將它與其他因子一并納入分析過程，提高了模擬結(jié)果的準(zhǔn)確性。

在柵格計(jì)算過程中，出現(xiàn)了部分人口密度值為負(fù)數(shù)的情況，采用了變負(fù)值為零的處理方法[21]，一定程度上影響了柵格化的精度，然而并沒有影響模擬結(jié)果與實(shí)際情況的擬合度。造成出現(xiàn)負(fù)值的原因，如居住區(qū)面積統(tǒng)計(jì)受到礦區(qū)等多因素影響、道路統(tǒng)計(jì)的精度以及柵格像元大小，以及因?yàn)檠芯砍叨容^小，區(qū)域樣本的數(shù)量受到限制等，可以隨著技術(shù)和數(shù)據(jù)精度的提高而改善。

人口數(shù)據(jù)空間化是人口信息與其他資源環(huán)境、社會經(jīng)濟(jì)等信息進(jìn)行空間集成的基礎(chǔ)，現(xiàn)實(shí)中的人口分布受著多種因素的影響，隨著對資源環(huán)境和社會中各種影響因子的加深研究，可以獲得更高精度和實(shí)用性的人口空間分布化成果，為研究人口分布規(guī)律、相關(guān)政策的制定提供更為有效的數(shù)據(jù)支持。

[1] 江東, 楊小喚, 王乃斌, 等. 基于RS、GIS的人口空間分布研究[J]. 地球科學(xué)進(jìn)展, 2002, 17(5): 734-738.

[2] 葉宇, 劉高煥, 馮險(xiǎn)峰. 人口數(shù)據(jù)空間化表達(dá)與應(yīng)用[J]. 地球信息科學(xué), 2006, 8(2): 59-65.

[3] 廖一蘭, 王勁峰, 孟斌, 等. 人口統(tǒng)計(jì)數(shù)據(jù)空間化的一種方法[J]. 地理學(xué)報(bào), 2007, 62(10): 1110-1119.

[4] 黃耀歡, 楊小喚, 劉業(yè)森, 等. 人口區(qū)劃及其在人口空間化中的GIS分析應(yīng)用——以山東省為例[J]. 地球信息科學(xué), 2007, 9(2): 49-54.

[5] 李明杰, 錢樂祥, 陳健飛, 等. 聊城市人口密度空間化方法探討與運(yùn)用[J]. 廣州大學(xué)學(xué)報(bào): 自然科學(xué)版, 2008, 7(2): 71-74.

[6] 李恒凱, 劉小生, 陳優(yōu)良. 地理信息系統(tǒng)支持下的人口時(shí)空分布模型[J]. 河南科技大學(xué)學(xué)報(bào): 自然科學(xué)版, 2011, 32(6): 95-99.

[7] 曹曉晗. 遼寧省人口密度分布模擬研究[J]. 測繪與空間地理信息, 2010, 33(2): 144-148.

[8] 王春菊, 湯小華. 基于GIS的福建省人口統(tǒng)計(jì)數(shù)據(jù)空間化[J]. 地理與地理信息科學(xué), 2004, 20(4): 71-74.

[9] 王雪梅, 李新, 馬明國. 基于遙感和GIS的人口數(shù)據(jù)空間化研究進(jìn)展及案例分析[J]. 地理與遙感技術(shù)與應(yīng)用, 2004, 19(5): 320-327.

[10] 劉木生, 林聯(lián)盛, 張其海, 等. 基于RS和GIS的江西省人口統(tǒng)計(jì)數(shù)據(jù)空間化[J]. 江西科學(xué), 2008, 26(6): 928-931.

[11] 楊眉, 王世新, 周藝等. 基于DMSP/OLS影像的城市化水平遙感估算方法[J]. 遙感應(yīng)用, 2011(4): 100-106.

[12] 林飛娜, 趙文吉, 張萍. 基于GIS的城市人口空間分布模型與應(yīng)用——以長春市區(qū)為例[J]. 測繪科學(xué), 2008, 33(4): 163-165.

[13] 廖順寶, 李澤輝. 四川省人口分布與土地利用的關(guān)系及人口數(shù)據(jù)空間化實(shí)驗(yàn)[J]. 長江流域資源與環(huán)境, 2004, 13(6): 557-561.

[14] 封志明, 唐焰, 楊艷昭. 中國地形起伏度及其與人口分布的相關(guān)性[J]. 地理學(xué)報(bào), 2007, 62(10): 1073-1082.

[15] 范科紅, 李陽兵, 馮永麗. 基于GIS的重慶市道路密度的空間分異[J]. 地理科學(xué), 2011, 31(3): 365-371.

[16] 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(xué)報(bào), 2005, 60(2): 266-276.

[17] 林麗潔, 林廣發(fā), 顏小霞, 等. 人口統(tǒng)計(jì)數(shù)據(jù)空間化模型綜述[J]. 亞熱帶資源與環(huán)境學(xué)報(bào), 2010, 5(4): 10-15.

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

[19] 魏偉, 石培基, 脫敏雍, 等. 基于GIS的甘肅省道路網(wǎng)密度分布特征及空間依賴度分析[J]. 地理科學(xué), 2012, 32(11): 1297-1303.

[20] 桂平, 曾永年, 鄒濱, 等. 基于GIS的區(qū)域人口密度空間分布模擬——以張家界市永定區(qū)為例[J]. 測繪科學(xué), 2009, 34(2): 237-240.

[21] 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(xué)報(bào), 2003, 18(6): 659-665.

責(zé)任編輯 龐 旻

Simulation of Population Spatial Distribution in Qingdao Region

YU Xin-Xin, MA An-Qing, XING Rong-Rong, LUO Chong-Xin, MA Bing-Ran, Zhang Zhi-Qiang

(College of Environmental Science and Engineering, Ocean University of China, Qingdao 266100，China)

The aggregation of a large number of people has a prominent influence on the cities.Compared with the traditional population density at administrative regions, spatial distribution of population data can reflect the actual distribution of the population better.Different with other coastal cities, the main part of Qingdao region locates on a hilly landscape and its population distribution has a special pattern.Taking Qingdao region as the sample, based on GIS, the land use types, DEM elevation, road distribution and DMSP data are extracted and analyzed by SPSS. These factors are compared on the correlation and applicability in Qingdao region. The population density of Qingdao region at 1 km grid in 2010 is simulated through the optimistic model. The result is consistent with a higher degree of reality. It reflects the spatial differences and regular pattern of population distribution of Qingdao clearly. And it also can provide an effective support for the study of population distribution and management.

population density; spatial distribution; Qingdao region; population distribution and management

山東江蘇海島海岸帶衛(wèi)星遙感調(diào)查與研究項(xiàng)目(908-01-WY02)；2012中國海洋大學(xué)本科生研究發(fā)展計(jì)劃項(xiàng)目(1212011014)；基于SOM神經(jīng)網(wǎng)絡(luò)大遼河流域水環(huán)境質(zhì)量評價(jià)可視化系統(tǒng)研究項(xiàng)目(MESE-2012-02)資助

2014-07-07；

2014-11-26

于欣鑫(1989-)，女，碩士生，研究方向?yàn)镚IS與RS在環(huán)境科學(xué)中的應(yīng)用。E-mail: yxx_cc@sina.com

?? 通訊作者： E-mail:maanqing538@yahoo.com.cn

Q494

A

1672-5174(2015)08-097-06

10.16441/j.cnki.hdxb.20140216