基于風險普查建筑物隱患數(shù)據(jù)和夜間燈光數(shù)據(jù)的云南省盈江縣人口分布精細化研究

鄭川 賈召亮 許瑞杰 李兆隆 壯延

摘要：現(xiàn)有的在地震應急中人口空間化數(shù)據(jù)因制作方法、數(shù)據(jù)來源不同，導致人口空間化產(chǎn)品存在較大差異，人口空間分布數(shù)據(jù)無法滿足震后地震應急期間數(shù)據(jù)需求。以云南省盈江縣為研究區(qū)，基于第七次全國人口普查盈江縣數(shù)據(jù)、第一次自然災害風險普查數(shù)據(jù)和夜間燈光遙感影像數(shù)據(jù)，利用空間疊加法計算人口分布權(quán)重，結(jié)合面積權(quán)重得到盈江縣100m×100m格網(wǎng)的人口空間化結(jié)果。經(jīng)精度評定，研究區(qū)所有鄉(xiāng)鎮(zhèn)人口空間化相對誤差絕對值均小于0.6%，與2020年鄉(xiāng)鎮(zhèn)街道人口統(tǒng)計數(shù)據(jù)的相關(guān)系數(shù)R2接近1。結(jié)果表明，結(jié)合鄉(xiāng)鎮(zhèn)尺度人口統(tǒng)計、夜間燈光影像和重點隱患調(diào)查等數(shù)據(jù)所構(gòu)建的人口空間化模型，所獲100m×100m格網(wǎng)的人口密度數(shù)據(jù)精度得到了顯著提高。

關(guān)鍵詞：自然災害風險普查；燈光遙感影像；人口空間化；精細化；盈江縣

中圖分類號：P315.94文獻標識碼：A文章編號：1000-0666（2023）03-0403-12

doi：10.20015/j.cnki.ISSN1000-0666.2023.0045

0引言

地震發(fā)生后，準確掌握震區(qū)受災情況對地震應急救災工作和救災物資的優(yōu)化配置起重要作用。人口空間分布是開展生命損失評估的關(guān)鍵數(shù)據(jù)（袁小祥等，2018），提高人口分布數(shù)據(jù)精度對于解決地震災害預評估、災害風險研究及應用具有重要意義。人員傷亡、經(jīng)濟損失、需轉(zhuǎn)移安置人數(shù)等多個地震災害預評估模型中，人口信息數(shù)據(jù)均為其主要計算參數(shù)，人口空間分布數(shù)據(jù)的準確性直接影響預評估結(jié)果。研究人員基于多源數(shù)據(jù)和不同的研究方法對人口的空間化做了大量的研究，形成了一系列具有代表性的模型和方法。早期的人口空間分布估計以行政區(qū)劃統(tǒng)計數(shù)據(jù)為基礎(chǔ)，通過分析地貌形態(tài)、坡度、地形起伏度（曹彥波等，2014）、高分辨率遙感（朱守杰等，2020）、土地利用類型（柏中強等，2015；Gongetal，2020；潘穎等，2020）、居民點信息（孫艷萍等，2018）等基礎(chǔ)地理信息之間的統(tǒng)計關(guān)系，以回歸建模方式對人口統(tǒng)計數(shù)據(jù)進行格網(wǎng)化空間模擬（劉軍等，2016；楊曉榮，陳楠，2019）。隨著大數(shù)據(jù)挖掘技術(shù)的發(fā)展，大量研究發(fā)現(xiàn)夜間燈光數(shù)據(jù)（郭山山等，2016；王明明，王卷樂，2019）、POI數(shù)據(jù)（淳錦等，2018；杜志強等，2021）、手機信令（王曉潔等，2020）等信息數(shù)據(jù)與人口分布具有較強的相關(guān)性，可以通過數(shù)值模擬得到人口空間分布。多源數(shù)據(jù)的精準匹配與有效融合，有效彌補了傳統(tǒng)數(shù)據(jù)時效性差、空間精細度不夠等不足（劉云霞等，2022），促使人口空間化數(shù)據(jù)質(zhì)量不斷提高。但不同的數(shù)據(jù)源和方法各有優(yōu)、缺點：如居民點、行政區(qū)建筑物、土地利用類型等數(shù)據(jù)能準確表示人口分布的宏觀空間范圍，卻不能反映其內(nèi)部的人口密度差異特征，將人口數(shù)據(jù)與自然生態(tài)數(shù)據(jù)耦合使用，僅能滿足多種空間分析、統(tǒng)計和建模的需求；夜間燈光、POI、手機信令等信息數(shù)據(jù)能在一定程度上體現(xiàn)人口分布的疏密程度，但像元飽和溢出、數(shù)據(jù)收集困難、大數(shù)據(jù)有偏性等問題也影響著人口數(shù)據(jù)空間化結(jié)果的精度；多源數(shù)據(jù)建立的空間化統(tǒng)計模型面臨各因子之間存在關(guān)聯(lián)、因子權(quán)重判定難的挑戰(zhàn)；地震應急人口空間化研究大多基于行政區(qū)劃統(tǒng)計或較大尺度的格網(wǎng)數(shù)據(jù)，針對人口分布精細尺度的研究較少。鑒于上述各種空間化數(shù)據(jù)、方法的優(yōu)劣，集成更加精細數(shù)據(jù)和空間化方法建立更精確的人口空間化模型，已成為地震應急人口空間分布研究的重要趨勢之一。

大量研究表明，人口空間分布與建筑物分布有最直接的關(guān)聯(lián)（李慧敏等，2022），夜間燈光數(shù)據(jù)能反映人類活動，是進行人口空間化建模的理想數(shù)據(jù)（陳晴，侯西勇，2015）。本文基于第七次全國人口普查盈江縣數(shù)據(jù)、盈江縣第一次全國自然災害綜合風險普查建（構(gòu)）筑物地震災害隱患數(shù)據(jù)和夜間燈光影像數(shù)據(jù)，利用普查數(shù)據(jù)時效性和精細度高的優(yōu)勢，開展基于夜間燈光值、不同類型建筑物數(shù)量的面積權(quán)重人口精細化方法研究，并以盈江縣為例實現(xiàn)100m×100m格網(wǎng)的人口精細化研究。

1研究區(qū)概況和數(shù)據(jù)源

1.1研究區(qū)概況

盈江縣國土面積為4316.97km2，占德宏州面積的38.6%，轄8鎮(zhèn)7鄉(xiāng)，97個行政村、11個社區(qū)，常駐人口292508人；地處云南省西部、德宏州西北部，東北面與騰沖市接壤，南面與隴川縣接壤，西面與緬甸聯(lián)邦共和國為鄰。盈江縣地震多發(fā)，全區(qū)受地震災害影響較大，自1992年以來，區(qū)內(nèi)共發(fā)生8次5.0級以上破壞性地震，全縣境內(nèi)所有鄉(xiāng)鎮(zhèn)均遭受過Ⅵ度及以上地震烈度破壞。

1.2數(shù)據(jù)來源

本研究選取的數(shù)據(jù)源（表1）包括：①第一次全國自然災害綜合風險普查建（構(gòu)）筑物地震災害隱患數(shù)據(jù)以及在盈江縣共收集到85036條單體房屋信息數(shù)據(jù)；②行政區(qū)劃數(shù)據(jù)來源于云南省地圖院；③行政區(qū)劃人口經(jīng)濟數(shù)據(jù)來源于《云南行政區(qū)劃簡冊》①（云南省民政廳，云南省地圖院）；④夜間燈光影像數(shù)據(jù)來源于美國國家海洋和大氣管理局（NOAA）②；⑤中國人口空間分布公里網(wǎng)格數(shù)據(jù)來源于資源

1.3數(shù)據(jù)預處理

本文所需的數(shù)據(jù)由于來源、數(shù)據(jù)格式、范圍和投影坐標等不一致，因此需要在人口空間化計算之前進行預處理，主要包括統(tǒng)一坐標系、重采樣統(tǒng)一空間分辨率、數(shù)據(jù)范圍裁剪以及數(shù)據(jù)格式轉(zhuǎn)換等。具體操作如下：

（1）統(tǒng)一坐標系：將盈江縣1∶25萬行政區(qū)劃鄉(xiāng)鎮(zhèn)界限數(shù)據(jù)以及2020年夜間燈光數(shù)據(jù)轉(zhuǎn)換至Krasovsky_1940_Albers投影坐標系和CGCS2000地理坐標系。

（2）建筑物重點隱患數(shù)據(jù)格式轉(zhuǎn)換：獲取的盈江縣建筑物重點隱患數(shù)據(jù)包括定位點的經(jīng)緯度、工程名、工程類型、所屬行政區(qū)劃、建筑規(guī)模、建筑年代、抗震設(shè)防類別、場地類型、現(xiàn)存災害、住建數(shù)據(jù)類型等屬性信息，格式為xls。將其導入ArcGis軟件，根據(jù)經(jīng)緯度信息生成85036個Shapefile點數(shù)據(jù)，并對點數(shù)據(jù)進行投影轉(zhuǎn)換至Krasovsky_1940_Albers投影。

（3）100m尺度重采樣：將2020年盈江縣夜間燈光數(shù)據(jù)柵格投影至CGCS2000坐標系，通過柵格計算器得到年度平均燈光值，然后重采樣至100m格網(wǎng)（圖1）。

（4）掩模裁剪：根據(jù)盈江縣鄉(xiāng)鎮(zhèn)界限數(shù)據(jù)對重采樣夜間燈光數(shù)據(jù)、WorldPop數(shù)據(jù)集人口格網(wǎng)數(shù)據(jù)和中國人口空間分布公里網(wǎng)格數(shù)據(jù)集進行掩模裁剪，文件格式為TIFF。

2研究方法

對比盈江縣第一次全國自然災害綜合風險普查建（構(gòu)）筑物地震災害隱患房屋單體數(shù)據(jù)與天地圖遙感影像空間位置分布（圖2），可以看出兩者對應較好，盈江縣區(qū)內(nèi)高層住宅主要分布在縣級行政中心和經(jīng)濟發(fā)展較好的平原鎮(zhèn)，其他鄉(xiāng)鎮(zhèn)則以獨戶獨院式低層住宅為主。對盈江縣15個鄉(xiāng)鎮(zhèn)建筑物數(shù)量、面積與統(tǒng)計人口之間進行相關(guān)性分析，得出鄉(xiāng)鎮(zhèn)統(tǒng)計人口與重點隱患建筑物數(shù)量的相關(guān)系數(shù)R2為0.9774（圖3a），與建筑物面積的相關(guān)系數(shù)R2為0.8938（圖3b），表明人口分布與建筑物數(shù)量、面積存在明顯的線性相關(guān)性。夜間燈光與人類活動密切相關(guān)，云南城鎮(zhèn)地區(qū)鄉(xiāng)鎮(zhèn)統(tǒng)計人口與燈光亮度值的相關(guān)系數(shù)較高（賈召亮等，2020），夜間燈光亮度值可以直觀反映人口密度的大小。本文將存在高層住宅的鄉(xiāng)鎮(zhèn)劃分為城鎮(zhèn)地區(qū)，將其他鄉(xiāng)劃分為鄉(xiāng)村地區(qū)，對城鎮(zhèn)地區(qū)和鄉(xiāng)村地區(qū)分別建立數(shù)學模型。

2.1模型建立

本文基于第七次人口普查鄉(xiāng)鎮(zhèn)尺度人口統(tǒng)計數(shù)據(jù)、第一次全國自然災害風險普查重點隱患調(diào)查建筑物單體數(shù)據(jù)和夜間燈光遙感數(shù)據(jù)開展盈江縣100m×100m格網(wǎng)的人口空間化。建模流程如圖4所示，包括對重點隱患調(diào)查單體建筑物、夜間燈光遙感數(shù)據(jù)預處理操作，結(jié)合空間疊加分析、核密度分析原理，判斷單體建筑數(shù)據(jù)所在位置，累計得到各鄉(xiāng)鎮(zhèn)不同建筑類型的分布比例，統(tǒng)計不同類型建筑的夜間燈光亮度值，即統(tǒng)計人口分配權(quán)重P，從而將2020年鄉(xiāng)鎮(zhèn)統(tǒng)計人口按照分配權(quán)重P分配到不同建筑類型上。基于ArcGIS生成100m×100m尺度的漁網(wǎng)，統(tǒng)計每個格網(wǎng)不同工程類別建筑的面積，并根據(jù)面積權(quán)重法計算其人口模擬值，進行初步人口空間化。

2.1.1面積權(quán)重法

傳統(tǒng)面積權(quán)重法常被用于社會經(jīng)濟數(shù)據(jù)空間化研究中，是一種基于變量值保持一致的方法。它的基本原理是：假設(shè)源區(qū)A范圍內(nèi)人口為均勻分布，目標區(qū)a的人口密度等于源區(qū)A的人口密度，計算目標區(qū)a的人口Pa公式為：

式中：Pa代表目標a的預測人口值；Sa代表目標區(qū)a的面積；PA代表A區(qū)域人口統(tǒng)計值；SA代表A區(qū)域面積。

2.1.2加權(quán)分析法

與實際相比，以不同類型建筑數(shù)量作為影響人口分布的因素，得到的僅是一種近似結(jié)果，不能表達出城鎮(zhèn)人口分布的細節(jié)信息，需要尋求一種能夠從微觀尺度反映城鎮(zhèn)及其周邊區(qū)域人口分布隨機性的數(shù)據(jù)來輔助建模（韓貞輝等，2013）。夜間燈光遙感影像是人類活動的重要指示因子，在城鎮(zhèn)區(qū)，夜間燈光亮度值與鄉(xiāng)鎮(zhèn)統(tǒng)計人口數(shù)間

相關(guān)系數(shù)較高，房屋數(shù)量和夜間燈光數(shù)據(jù)加權(quán)結(jié)合可以從微觀層面上反映人口分布的細節(jié)。基于以上分析，可通過加權(quán)分析確立人口密度影響權(quán)重為：

式中：P為人口密度分配權(quán)重；P1、P2分別為基于建筑物數(shù)量和燈光亮度值的人口密度權(quán)重；a1、a2是權(quán)重的配比系數(shù)。

基于房屋數(shù)量的人口密度權(quán)重空間分布規(guī)律性明顯，反映了在城市區(qū)域人口分布的宏觀特征，而基于夜間燈光的人口密度權(quán)重則反映了微觀尺度下人口分布的隨機特征，兩者的作用比重還有待深入研究。本文暫且認為在城鎮(zhèn)地區(qū)兩者的作用是等量的，即權(quán)重分配比例系數(shù)：a1=a2=0.5。

2.1.3核密度估計法

核密度估計法是空間分析中運用廣泛的非參數(shù)估計方法，用于計算要素在其周圍領(lǐng)域中的密度（李東平等，2017）。該方法以特定要素點的位置為中心，將該點的屬性分布在指定閾值范圍內(nèi)，在中心位置處密度最大，并隨距離衰減。對區(qū)域內(nèi)每個要素點依照同樣的方法進行計算，并對相同位置處的密度進行疊加，可得到要素在整個區(qū)域的分布密度。設(shè)核函數(shù)為k，其帶寬為h，則x點處的密度估計為：

式中：k（）為核密度方程；h為閾值；x-xi為估計點x到樣本xi處的距離。100m×100m格網(wǎng)內(nèi)，人口并不是完全均勻分布的，我們將網(wǎng)格中心看作一個點，該點的值為網(wǎng)格內(nèi)的人口數(shù)，通過計算點值密度來表示人口密度分布。

2.2人口空間化技術(shù)實現(xiàn)

2.2.1權(quán)重系數(shù)確立

本文將不同類型建筑在不同鄉(xiāng)鎮(zhèn)中的統(tǒng)計數(shù)量和城鎮(zhèn)區(qū)不同類型建筑的夜間燈光亮度統(tǒng)計值歸一化后，得到各建筑類別的人口權(quán)重系數(shù)。具體流程為：①將建筑類別由.xls格式轉(zhuǎn)換為空間矢量數(shù)據(jù)，讀取建筑單體定位數(shù)據(jù)并進行投影轉(zhuǎn)換。②判斷單體建筑所屬行政區(qū)劃。③遍歷80532個建筑單體定位點，判斷點位于第i個鄉(xiāng)鎮(zhèn)街道單元內(nèi)并累計次數(shù)。④累計定位次數(shù)總值得到各類建筑物數(shù)據(jù)統(tǒng)計表（表2），按照標準化方法將各個鄉(xiāng)鎮(zhèn)的各類建筑指標值進行歸一化處理，將第i個鄉(xiāng)鎮(zhèn)街道作為單位1，歸一化后計算第i個鄉(xiāng)鎮(zhèn)街道單元第j類建筑類型的統(tǒng)計人口分配權(quán)重Pij（表3）。

2.2.2初步人口空間化

（1）鄉(xiāng)村地區(qū)

天地圖遙感影像與重點隱患調(diào)查建筑物數(shù)據(jù)得出：鄉(xiāng)村地區(qū)建筑主要為獨棟庭院式建筑。因此根據(jù)面積權(quán)重法的基本原理，假設(shè)第i個鄉(xiāng)鎮(zhèn)第j類用途建筑上的人口為均勻分布，第i個鄉(xiāng)鎮(zhèn)第j類用途建筑的平均人口密度即為第k個格網(wǎng)單元內(nèi)第j類建筑類型的人口密度，根據(jù)式（1）、（2）計算第k個格網(wǎng)單元的初步人口預測值為：

式中：Pij代表第i個鄉(xiāng)鎮(zhèn)第j類用途建筑的統(tǒng)計人口分配權(quán)重；POPi代表第i個鄉(xiāng)鎮(zhèn)街道的統(tǒng)計人口值；Sij代表第i個鄉(xiāng)鎮(zhèn)街道第j類用途建筑的面積；Skj代表第k個格網(wǎng)第j類用途建筑的面積；m代表建筑用途類型的總數(shù)。

（2）城鎮(zhèn)地區(qū)

在云南地區(qū)，隨著城鎮(zhèn)化的發(fā)展，城市內(nèi)部人口分布的空間差異性越來越大，特別是高層住宅樓、商業(yè)中心和辦公樓等，小面積的土地上聚集大量的人口。因此，在城鎮(zhèn)化較高區(qū)域引入夜間燈光亮度統(tǒng)計值作為人口密度分配權(quán)重，避免傳統(tǒng)的面積權(quán)重法在人口計算時帶來的局部誤差。第七次全國人口普查盈江縣數(shù)據(jù)顯示城鎮(zhèn)人口主要分布在縣城所在鄉(xiāng)鎮(zhèn)，將城鄉(xiāng)人口比例帶入城鎮(zhèn)人口空間化模型，由式（1）、（2）、（4）計算縣級行政中心所在鄉(xiāng)鎮(zhèn)第k個格網(wǎng)單元的初步人口預測值POPk：

式中：Pijl代表第i個鄉(xiāng)鎮(zhèn)第j類用途建筑的燈光亮度統(tǒng)計人口分配權(quán)重；Fkj代表第k個格網(wǎng)第j類用途建筑的燈光亮度值；Fijl代表第i個鄉(xiāng)鎮(zhèn)第j類用途建筑的燈光亮度統(tǒng)計值。

3結(jié)果與分析

根據(jù)鄉(xiāng)村、城鎮(zhèn)地區(qū)人口空間化模型計算得到盈江縣100m×100m格網(wǎng)人口空間化結(jié)果（圖5）。由表2～3可以看出，人口主要分布在住宅、商業(yè)中心、社會服務(wù)保障設(shè)施和其他用途建筑中。傳統(tǒng)面積權(quán)重法的目標區(qū)為整個區(qū)域建筑，實際上不同地區(qū)、不同類型建筑的人口分布具有差異。本文引入第一次自然災害風險普查重點隱患數(shù)據(jù)和夜間燈光遙感數(shù)據(jù)，利用這兩種數(shù)據(jù)表征人口空間分布優(yōu)勢，結(jié)合普通面積權(quán)重法的基本原理，將目標區(qū)縮小到鄉(xiāng)鎮(zhèn)街道內(nèi)部不同用途建筑上，這在一定程度上克服了傳統(tǒng)方法目標區(qū)范圍較大造成鄉(xiāng)鎮(zhèn)街道人口空間化結(jié)果不準確的缺陷，得到2020年盈江縣100m×100m人口格網(wǎng)數(shù)據(jù)。由圖5可見，人口密度高的地區(qū)主要集中于各級行政區(qū)劃中心，盈江縣區(qū)域內(nèi)最大格網(wǎng)值為592人/萬m2，為盈江縣平原鎮(zhèn)江岸明珠小區(qū)1期及周邊1個酒店人口之和，大部分地區(qū)是人口密度為0的無人區(qū)域，這一結(jié)果基本反映了盈江縣人口分布的基本狀況。

3.1內(nèi)檢精度比

相對誤差計算公式為：

相對誤差=擬合人口-普查人口[]普查人口×100%（6）

結(jié)合式（6）以及相關(guān)性檢驗對人口空間化結(jié)果進行定量精度驗證。計算得到相對誤差范圍為：［-0.56％，0.51％］，誤差絕對值平均值為0.13％，圖6相關(guān)性分析結(jié)果表明，盈江縣15個鄉(xiāng)鎮(zhèn)的空間化人口數(shù)據(jù)統(tǒng)計值和鄉(xiāng)鎮(zhèn)人口數(shù)據(jù)相關(guān)系數(shù)R2接近１，檢驗結(jié)果表明本研究的人口數(shù)據(jù)空間化結(jié)果達到了較高的精度。

3.2與全國、全球人口格網(wǎng)數(shù)據(jù)比較

將本文人口空間分布研究成果（以下簡稱POP2020）與中國人口空間分布公里網(wǎng)格數(shù)據(jù)集（以下簡稱ChinaPOP）和全球人口網(wǎng)格數(shù)據(jù)集（以下簡稱WorldPOP）進行比較可以看出：

（1）研究方法。ChinaPOP數(shù)據(jù)是在計算各縣級行政單元單位權(quán)重人口占比的基礎(chǔ)上，應用柵格空間計算，把單位權(quán)重上的人口數(shù)與總權(quán)重相結(jié)合，進行人口的空間化；WorldPOP數(shù)據(jù)采用的是機器學習方法，通過隨機森林的動態(tài)分布模型，導入豐富的基礎(chǔ)變量數(shù)據(jù)后計算得出，流程簡單，但該方法計算較為龐雜；本文的POP2020方法選用的人口、建筑物數(shù)據(jù)精度高，計算模型影響因子較少，便于人口空間化。

（2）數(shù)據(jù)成果。將3組人口格網(wǎng)數(shù)據(jù)按鄉(xiāng)鎮(zhèn)行政區(qū)劃進行統(tǒng)計，可以看出3組格網(wǎng)人口數(shù)據(jù)總量均接近于普查統(tǒng)計人口，POP2020數(shù)據(jù)最接近普查統(tǒng)計人口值（圖6），ChinaPOP與WorldPOP的部分鄉(xiāng)鎮(zhèn)人口數(shù)量與實際統(tǒng)計結(jié)果存在數(shù)量級差距（表4）。

（3）人口空間分布。由圖7可以看出，3組人口空間分布圖能在一定程度上宏觀地反映區(qū)域人口的疏密，但ChinaPOP人口空間分布與研究區(qū)人口的實際分布嚴重不符；POP2020與WorldPOP人口空間分布情況大體一致，但由于POP2020選用了災害風險普查建筑物單體數(shù)據(jù)，人口數(shù)據(jù)的空間分辨率明顯較高。

3.3實際震例中的應用

在完成人口空間化的基礎(chǔ)上，以2021年6月12日云南省盈江縣MS5.0地震為例，對災害調(diào)查行政區(qū)劃統(tǒng)計人口云南省地震局.2021.2021年6月12日云南盈江5.0級地震災害直接經(jīng)濟損失評估報告.、云南快速評估系統(tǒng)格網(wǎng)人口http：//47.99.180.16：8081/page/index.html.、盈江縣POP2020格網(wǎng)人口進行對比分析。此次地震造成云南省德宏州盈江縣3個鄉(xiāng)鎮(zhèn)不同程度受災，無人員傷亡，直接經(jīng)濟總損失約3720萬元。地震災區(qū)（Ⅵ度區(qū)域）涉及盈江縣勐弄鄉(xiāng)、卡場鎮(zhèn)和蘇典傈僳族鄉(xiāng)的9個行政村（社區(qū)）。實地災害調(diào)查過程中，按照實際受災行政村進行統(tǒng)計的受災人口為22639人，5549戶；利用云南快速評估系統(tǒng)公里格網(wǎng)計算受災人口為18000人；本文的100m×100m格網(wǎng)統(tǒng)計受災人口為19657人，受災建筑5326棟。從震區(qū)人口分布圖看（圖8），Ⅵ度區(qū)雖然涉及3個鄉(xiāng)（鎮(zhèn)）9個行政村（社區(qū)），但勐弄鄉(xiāng)、卡場鎮(zhèn)并非所有行政村人口都在Ⅵ度區(qū)內(nèi)，蘇典傈僳族鄉(xiāng)僅有少量人口落入Ⅵ度區(qū)內(nèi)，說明基于行政區(qū)劃統(tǒng)計的數(shù)據(jù)容易放大災區(qū)受災人口，現(xiàn)有格網(wǎng)數(shù)據(jù)由于數(shù)據(jù)源和方法的局限性，數(shù)據(jù)的空間分辨率暫不能滿足地震應急精細化需求；宏觀震中半徑2km范圍均為無人居住區(qū)，這可能是本次地震無人員傷亡的因素之一。本文的人口空間化數(shù)據(jù)統(tǒng)計估算的受災人口（圖8）避免了行政區(qū)劃分割造成的數(shù)據(jù)分配錯誤，能夠較為合理地反映行政區(qū)劃內(nèi)部的人口空間分布，從而保證災情快速評估結(jié)果的可靠性。

4討論

2021年，我國公布第七次全國人口普查數(shù)據(jù)和第一次全國自然災害綜合風險普查統(tǒng)計調(diào)查數(shù)據(jù)，對該年份開展人口分布的精細化研究可以為鄉(xiāng)鎮(zhèn)級人口數(shù)據(jù)空間化提供基準。第一次全國自然災害綜合風險普查是我國首次開展的全國性綜合自然災害風險摸底，是一項重大國情國力調(diào)查，也是進一步做好防災減災救災工作的重要基礎(chǔ)，為本文的研究提供了單體建（構(gòu)）筑物的詳細信息數(shù)據(jù)。基于風險普查重點隱患調(diào)查數(shù)據(jù)的人口分布精細化研究在未來的地震應急中大有可為，不僅可提高震時人口空間分布估計精度，而且利用其包含的豐富屬性信息，可為地震災害風險的精細化評估提供較為可靠的人口、建筑物數(shù)據(jù)基礎(chǔ)。

本文利用空間分析準確判斷建筑物單體的位置，累計格網(wǎng)建筑物數(shù)量和夜間燈光亮度值，得到統(tǒng)計人口在鄉(xiāng)鎮(zhèn)街道內(nèi)部不同類型建筑上的實際分配權(quán)重。基于傳統(tǒng)面積權(quán)重法的基本原理，將目標區(qū)從整體建筑縮小到鄉(xiāng)鎮(zhèn)（街道）內(nèi)部不同用途建筑上，結(jié)合夜間燈光數(shù)據(jù)探究多源數(shù)據(jù)與人口空間分布的關(guān)系，有效解決了鄉(xiāng)鎮(zhèn)街道模擬人口和統(tǒng)計人口差異較大的問題。將本文人口空間分布研究成果與中國人口空間分布公里網(wǎng)格數(shù)據(jù)集和全球人口網(wǎng)格數(shù)據(jù)集進行綜合比較可以看出：本文研究選用的人口、建筑物數(shù)據(jù)精度較高，計算模型影響因子較少，便于人口空間化；模擬的盈江縣所有鄉(xiāng)鎮(zhèn)人口值接近行政區(qū)劃統(tǒng)計人口值；用構(gòu)建的盈江縣人口空間化模型得到的人口數(shù)據(jù)空間分辨率明顯提高，更加符合研究區(qū)人口的實際分布。

數(shù)據(jù)應用方面，結(jié)合鄉(xiāng)鎮(zhèn)尺度人口普查統(tǒng)計數(shù)據(jù)、災害風險普查重點隱患建筑數(shù)據(jù)和夜間燈光遙感數(shù)據(jù)等多源數(shù)據(jù)制作的高精度人口空間化數(shù)據(jù)具有很大的應用潛力。本文方法不僅能夠為云南地區(qū)地震應急人口傷亡、經(jīng)濟損失、救援力量派遣等快速評估模型提供高精度基礎(chǔ)人口數(shù)據(jù)支持，有效提高地震災害預評估結(jié)果的準確性，提高地震災害精確救援，而且可為全省地震應急提供人口空間化產(chǎn)品，服務(wù)于地震應急輔助決策，為地震災害風險評估提供數(shù)據(jù)支持。

本文方法也存在一定的局限性。在利用人口、房屋普查數(shù)據(jù)優(yōu)勢的同時，不可忽略少部分單體建筑物調(diào)查數(shù)據(jù)的有偏性。具體表現(xiàn)在2個方面：①全國災害風險普查重點隱患數(shù)據(jù)仍需要對少部分數(shù)據(jù)的準確性進行核查；②人口、建筑普查數(shù)據(jù)更新周期過長，人口普查數(shù)據(jù)10年一次，而建筑物普查為第一次。本文通過空間分析證明建筑物單體數(shù)據(jù)、夜間燈光數(shù)據(jù)與鄉(xiāng)鎮(zhèn)（街道）統(tǒng)計人口數(shù)據(jù)具有較強的相關(guān)性，顯示出自然災害風險普查數(shù)據(jù)的優(yōu)勢，但是沒有對學校和醫(yī)院等人口高度集中區(qū)域進行定量深入探討，這一部分工作在后續(xù)研究中將繼續(xù)深入。

5結(jié)論

本文基于2021年我國公布的第七次全國人口普查數(shù)據(jù)和全國自然災害風險普查建筑物隱患調(diào)查建筑物單體數(shù)據(jù)，針對地震應急人口空間化數(shù)據(jù)對技術(shù)方法的需求，進行精細化人口空間分布研究，得到以下結(jié)論：

（1）本文的方法融合了人口普查數(shù)據(jù)尺度小、災害風險普查重點隱患數(shù)據(jù)精度高、夜間燈光數(shù)據(jù)反映人口微觀特征好等特點，構(gòu)建盈江縣100m×100m格網(wǎng)人口空間化模型，能夠充分利用人口普查數(shù)據(jù)優(yōu)勢，客觀反映該地區(qū)人口真實的空間分布。

（2）在傳統(tǒng)面積權(quán)重法的基礎(chǔ)上，結(jié)合各類建筑物數(shù)量、夜間燈光亮度比重對統(tǒng)計人口空間化進行權(quán)重分配，避免了不同鄉(xiāng)鎮(zhèn)同類建筑之間人口分布的差異對空間化結(jié)果精度的影響，顯著提高了空間化初步模擬人口分布的精度，并能刻畫出區(qū)域內(nèi)部人口的精細分布特征。

（3）本文的人口空間分布精細化研究選用的數(shù)據(jù)精度更高，計算方法較為簡單實用；與2020年盈江縣人口普查數(shù)據(jù)相關(guān)系數(shù)R2接近100%，鄉(xiāng)鎮(zhèn)尺度統(tǒng)計人口的相對誤差均小于0.6%；本文的人口格網(wǎng)數(shù)據(jù)空間分辨率明顯高于中國人口空間分布公里網(wǎng)格和全球人口網(wǎng)格數(shù)據(jù)集。

參考文獻：

柏中強，王卷樂，姜浩，等.2015.基于多源信息的人口分布格網(wǎng)化方法研究［J］.地球信息科學學報，17（6）：653-660.

曹彥波，李永強，李敏，等.2014.基于多源數(shù)據(jù)的云南人口空間分布模擬研究［J］.中國地震，30（1）：118-131.

陳晴，侯西勇.2015.集成土地利用數(shù)據(jù)和夜間燈光數(shù)據(jù)優(yōu)化人口空間化模型［J］.地球信息科學學報，17（1）：1370-1377.

淳錦，張新長，黃健鋒，等.2018.基于POI數(shù)據(jù)的人口分布格網(wǎng)化方法研究［J］.地理與地理信息科學，34（4）：83-89.

杜志強，黃冬寧，丁火平，等.2021.融合POI數(shù)據(jù)的建成區(qū)人口數(shù)據(jù)空間化方法——以武漢市為例［J］.地理信息世界，28（1）：21-25.

郭山山，龔俊，尹晶飛.2016.基于DMSP/OLS的人口分布網(wǎng)格精細化研究［J］.地震研究，39（2），321-326.

韓貞輝，李志強，陳振拓.2013.人口、房屋數(shù)據(jù)空間化及其在震災快速評估中的應用——以彝良地震為例［J］.地震地質(zhì)，35（4）：894-906.

賈召亮，鄭川，李袁欣，等.2020.面向地震應急的人口空間化方法研究——以云南省大理白族自治州為例［J］.地震研究，43（4）：751-758.

李東平，黃樂，陳海鵬，等.2017.基于手機位置數(shù)據(jù)的四川九寨溝7.0級地震人流分析［J］.中國地震，33（4）：602-612.

李慧敏，羅大偉，竇世卿.2022.利用騰訊位置大數(shù)據(jù)進行多尺度人口空間化估算［J］.測繪通報，（6）：93-97.

劉軍，孫甲寧，宋立軍，等.2016.一個非均勻密度分布的人口房屋格網(wǎng)數(shù)據(jù)模型［J］.地震工程學報，38（2）：296-301.

劉云霞，田甜，顧嘉鈺，等.2022.基于大數(shù)據(jù)的城市人口社會經(jīng)濟特征精細時空尺度估計——數(shù)據(jù)、方法與應用［J］.人口與經(jīng)濟，250（1）：42-57.

潘穎，黃萬里，葉士琳，等.2020.基于土地利用類型數(shù)據(jù)的統(tǒng)計人口空間化模型研究：以福建省為例［J］.云南大學學報（自然科學版），42（4）：701-711.

孫艷萍，陳文凱，張?zhí)K平，等.2018.基于居民點密度的人口空間化及在四川九寨溝7.0級地震中的應用［J］.地震工程學報，40（S1）：174-179.

王明明，王卷樂.2019.基于夜間燈光與土地利用數(shù)據(jù)的山東省鄉(xiāng)鎮(zhèn)級人口數(shù)據(jù)空間化［J］.地球信息科學學報，21（5）：699-709.

王曉潔，王卷樂，薛潤生.2020.基于普查和手機定位數(shù)據(jù)的鄉(xiāng)鎮(zhèn)尺度人口空間化方法研究［J］.地球信息科學學報，22（5）：1095-1105.

徐新良.2020.中國人口空間分布公里網(wǎng)格數(shù)據(jù)集（2019版）.［DB/OL］（2020-02-36）［2022-05-20］.http：//www.resdc.cn/DOI），2017.DOI：10.12078/2017121101.

楊曉榮，陳楠.2019.基于多源數(shù)據(jù)的福建省人口數(shù)據(jù)空間化研究［J］.貴州大學學報（自然科學版），36（2）：79-85.

袁小祥，王曉青，竇愛霞，等.2018.面向地震風險評估的人口空間格網(wǎng)化技術(shù)研究［J］.地震，38（4）：151-158.

云南省民政廳，云省省地圖院.2020.云南行政區(qū)劃簡冊［M］.長沙：湖南底圖出版社.

朱守杰，杜世宏，李軍，等.2020.融合多源空間數(shù)據(jù)的城鎮(zhèn)人口分布估算［J］.地球信息科學學報，22（8）：1607-1616.

BondarenkoM，KerrD，SorichettaA，etal.2020.Census/projection-disaggregatedgriddedpopulationdatasetsfor189countriesin2020usingBuilt-SettlementGrowthModel（BSGM）outputs［J］.WorldPop，UniversityofSouthampton，UK.doi：10.5258/SOTON/WP00684.

GongP，ChenB，LiXC，etal.2020.MappingessentialurbanlandusecategoriesinChina（EULUC-China）：Preliminaryresultsfor2018［J］.ScienceBulletin，65（3）：182-187.