基于多源遙感數(shù)據(jù)的人口空間網(wǎng)格化研究
——以福州市為例

余盛華

(澳門城市大學(xué) 商學(xué)院, 澳門 999078)

人口分布的空間化研究是人地關(guān)系研究的基礎(chǔ),在城市化進(jìn)程和城市空間擴(kuò)張、城市基礎(chǔ)設(shè)施的建設(shè)、城市經(jīng)濟(jì)產(chǎn)業(yè)的擴(kuò)張和集聚、城市生態(tài)環(huán)境的治理及公共服務(wù)設(shè)施的合理配置等方面的意義不容小覷,對于合理規(guī)劃區(qū)域人口、社會(huì)發(fā)展、經(jīng)濟(jì)建設(shè)和生態(tài)環(huán)境保護(hù)具有重要的參考價(jià)值[1]。

傳統(tǒng)的以行政單元為基礎(chǔ)的人口統(tǒng)計(jì)數(shù)值并未結(jié)合空間數(shù)據(jù)和空間信息,使得人口數(shù)據(jù)無法同空間地理研究相結(jié)合,無法同社會(huì)經(jīng)濟(jì)要素、自然要素相結(jié)合,阻礙了部門間、行業(yè)間數(shù)據(jù)的共享和交流。同時(shí)作為地理信息存儲(chǔ)的自然地理數(shù)據(jù)(如地形、地勢、河流、氣候、植被等)及人文地理要素(如行政區(qū)、面積、土地利用類型等)一般都為柵格數(shù)據(jù),所以對區(qū)域人口分布進(jìn)行人口空間網(wǎng)格化研究的意義斐然,它不僅可以實(shí)現(xiàn)人口統(tǒng)計(jì)數(shù)據(jù)的空間化,還可以促進(jìn)人口數(shù)據(jù)與自然要素?cái)?shù)據(jù)在人地關(guān)系系統(tǒng)中的融合和分析[2]。

隨著遙感技術(shù)(RS)及地理信息系統(tǒng)(GIS)的迅猛發(fā)展,采用遙感估算法對人口空間網(wǎng)格化的研究日趨成熟與完善[3-6]。目前運(yùn)用較多的是美國國家防務(wù)氣象資源衛(wèi)星(Defense Meteorological Satellite Program,DMSP),在這顆衛(wèi)星上搭載了名為Operational Linescan System(OLS)的傳感器。該傳感器對于燈光的敏感度極高,不僅能監(jiān)測到一般的較亮的光源,甚至能探測到火光、城市小規(guī)模居民地等發(fā)出的低強(qiáng)度燈光,所以它可以用來探究人口夜間的動(dòng)態(tài)分布,這樣就能在較少數(shù)據(jù)源,但又能保證一定準(zhǔn)確度的情況下實(shí)現(xiàn)人口的空間網(wǎng)格化分布,因此它具有其獨(dú)特的實(shí)用性和價(jià)值性,國內(nèi)外的學(xué)者們都對其有較高的期望[7-10]。梁友嘉等[11]采用夜間燈光數(shù)據(jù)輻射值以及LUCC(土地利用/土地覆蓋變化)指數(shù)對甘肅省張掖市甘州區(qū)的人口數(shù)據(jù)進(jìn)行了空間網(wǎng)格分布的構(gòu)建;卓莉等[12]采用夜間燈光總強(qiáng)度信息進(jìn)行了基于單元網(wǎng)格上的中國人口密度分布模擬計(jì)算;馬鈺琪等[13]利用多地理因子與夜間燈光數(shù)據(jù)相結(jié)合的方法對遼寧省人口數(shù)據(jù)進(jìn)行了人口空間網(wǎng)格化的探究。但國外學(xué)者在實(shí)際應(yīng)用中發(fā)現(xiàn)夜間燈光數(shù)據(jù)存在像元溢出現(xiàn)象(overglow)和像元過飽和(saturation)的問題[14-17],為了解決這一問題需要輔助以其他遙感數(shù)據(jù)對夜間燈光遙感數(shù)據(jù)進(jìn)行修正和適當(dāng)?shù)奶幚?。故本研究使用夜間燈光遙感數(shù)據(jù)的同時(shí)結(jié)合歸一化植被覆蓋指數(shù)(NDVI)的遙感影像數(shù)據(jù)來減少夜間燈光數(shù)據(jù)產(chǎn)生的像元溢出現(xiàn)象和像元過飽和的問題[18],并構(gòu)建相應(yīng)模型,通過模型計(jì)算人居指數(shù),最終完成福州市人口數(shù)據(jù)信息在1 km×1 km的柵格網(wǎng)上的時(shí)空分布。實(shí)現(xiàn)人口數(shù)據(jù)空間網(wǎng)格化不僅對促進(jìn)區(qū)域?qū)用嫔先丝凇h(huán)境和資源的優(yōu)化發(fā)展有重要的參考意義,也能為災(zāi)害風(fēng)險(xiǎn)預(yù)防、抗災(zāi)減災(zāi)提供較為精細(xì)的數(shù)據(jù)支持和保障[19-21]。

1 研究區(qū)概況及基礎(chǔ)數(shù)據(jù)預(yù)處理

1.1 研究區(qū)概況

福州市是福建省省會(huì)城市,位于福建省東部沿海地區(qū),臺(tái)灣海峽西側(cè)、閩江下游。福州市下轄5區(qū)2縣級市6縣,包括鼓樓區(qū)、臺(tái)江區(qū)、倉山區(qū)、晉安區(qū)、馬尾區(qū)、長樂市、福清市、閩侯縣、連江縣、羅源縣、閩清縣、永泰縣、平潭縣,總體土地面積約為1.2×104km2,福州市行政區(qū)劃如圖1所示。根據(jù)2021年底福州市統(tǒng)計(jì)報(bào)告,其中實(shí)現(xiàn)GDP 11 300億元,總?cè)丝谶_(dá)到832萬人,城鎮(zhèn)人口603.2萬人,城鎮(zhèn)化率達(dá)72.5%[22]。福州市不僅是福建省政治和文化中心,同時(shí)也是海峽西岸經(jīng)濟(jì)區(qū)中心城市之一。近年來福州市正致力打造為“21世紀(jì)海上絲綢之路”的戰(zhàn)略核心城市。

審圖號:閩S(2018)37號圖1 福州市行政區(qū)劃圖

1.2 基礎(chǔ)數(shù)據(jù)預(yù)處理

基礎(chǔ)數(shù)據(jù)預(yù)處理:①在地理信息系統(tǒng)中,提取基礎(chǔ)地理信息數(shù)據(jù)中的工作地域;②2013年夜間燈光遙感影像DMSP/OLS,獲取于美國國家環(huán)境信息研究中心網(wǎng)站所提供的Average Visible夜間燈光掃描影像,該影像的空間分辨率約為1 km,在地理信息系統(tǒng)中改變其投影方式由原來的地理經(jīng)緯度投影Geographic(LAT/LON)轉(zhuǎn)化為雙標(biāo)準(zhǔn)經(jīng)緯等積圓錐投影Albers以便后續(xù)空間化處理,緊接著裁模、提取、配準(zhǔn)等一系列地理標(biāo)準(zhǔn)化處理以提取福州市夜間燈光數(shù)據(jù);③將歸一化植被覆蓋指數(shù)(NDVI)的遙感影像也由原地理經(jīng)緯度投影Geographic(LAT/LON)轉(zhuǎn)化為雙標(biāo)準(zhǔn)經(jīng)緯等積圓錐投影Albers,這樣有利于不同遙感影像數(shù)據(jù)之間的空間疊加與分析;④在地理信息系統(tǒng)中建立福州市各轄區(qū)、市、縣的數(shù)據(jù)庫,并對數(shù)據(jù)庫進(jìn)行相應(yīng)字段的建立與編碼;⑤將福州市高程DEM數(shù)據(jù)的投影轉(zhuǎn)換為雙標(biāo)準(zhǔn)經(jīng)緯等積圓錐投影Albers,并對投影轉(zhuǎn)化后的數(shù)據(jù)進(jìn)行重采樣處理,最終生成空間分辨率為1 km的柵格數(shù)據(jù)。

1.3 研究技術(shù)路線

技術(shù)路線:①制作人口空間網(wǎng)格化區(qū)域的工作底圖;②對DMSP/OLS夜間燈光遙感影像與NDVI(植被覆蓋指數(shù))遙感影像進(jìn)行空間疊加;③基于遙感影像疊加后的關(guān)系構(gòu)建人居指數(shù)模型;④建立人居指數(shù)模型與統(tǒng)計(jì)人口之間的線性回歸方程;⑤觀察人居指數(shù)模型與統(tǒng)計(jì)人口的線性關(guān)系,并進(jìn)行人口模擬與模擬結(jié)果誤差的測算;⑥疊加DEM高程數(shù)據(jù)對人居指數(shù)模型進(jìn)行修正;⑦生成人口數(shù)據(jù)在空間網(wǎng)格上的展布。具體技術(shù)路線如圖2所示。

2 研究方法

2.1 確定適宜研究區(qū)與不適宜研究區(qū)

由于福州市轄區(qū)內(nèi)有較多的山地、丘陵、巖體及水體,這些地區(qū)都不適宜人類居住與人口分布,故采用2013年SPOT 10 d合成的最大的NDVI,得到的NDVI大于0.9的區(qū)域基本都為植被覆蓋較多的森林,而NDVI小于0.1的區(qū)域基本都為植被覆蓋較少的巖體或水體,這些不適宜作為研究的區(qū)域都可以先進(jìn)行剔除以免對后續(xù)的研究產(chǎn)生干擾。

2.2 使用夜間燈光數(shù)據(jù)和NDVI建立人居指數(shù)

提取2013年福州市DMSP/OLS夜間燈光數(shù)據(jù)、NDVI遙感影像的空間分布圖,并對相應(yīng)的指數(shù)值進(jìn)行不同深度顏色上的渲染,比便于更好地對結(jié)果進(jìn)行觀察,如圖3、圖4所示。從兩幅圖中不難發(fā)現(xiàn),夜間燈光數(shù)據(jù)的空間分布與植被覆蓋指數(shù)的空間分布有較強(qiáng)的空間上的對應(yīng)關(guān)系,具體表現(xiàn)為夜間燈光數(shù)值較高的地方,植被覆蓋指數(shù)反而較低,反之亦然。其次,對比兩張圖,可以明顯看出NDVI在柵格像元中的數(shù)據(jù)精細(xì)度要高于DMSP/OLS數(shù)據(jù),這主要源于NDVI所使用傳感器的初始分辨率要高于DMSP/OLS數(shù)據(jù)的傳感器,同時(shí)福州市中心城區(qū)夜間燈光數(shù)據(jù)存在亮度過飽和而導(dǎo)致的像元溢出等問題。所以,本文將這兩種遙感影像數(shù)據(jù)進(jìn)行空間疊加分析不僅可以提高像元柵格的精細(xì)度還可以很大程度上削減夜間燈光像元溢出所帶來的問題。為確定遙感數(shù)據(jù)與人口數(shù)據(jù)的擬合關(guān)系,利用夜間燈光數(shù)據(jù)和植被覆蓋指數(shù)構(gòu)建人居指數(shù)模型,借鑒Lu等[23]的研究,利用式(1)構(gòu)建人居指數(shù)(human settlement index,HSI):

審圖號:閩S(2018)37號圖3 2013年DMSP/OLS穩(wěn)定夜間燈光

審圖號:閩S(2018)37號圖4 2013年最大NDVI

式中:NDVImax為SPOTNDVI在2013年的最大值;OLSnor為2013年經(jīng)過標(biāo)準(zhǔn)化的夜間燈光指數(shù)。

2.3 人口模擬的誤差值檢驗(yàn)

人口模擬誤差檢驗(yàn)的計(jì)算公式為

式中:MPE為平均相對誤差;RE為相對誤差;POPm為市(區(qū))縣模擬人口數(shù)量;POPa為市(區(qū))縣統(tǒng)計(jì)人口數(shù)量;n為福州市下轄市(區(qū))縣的數(shù)量。

3 結(jié)果與分析

3.1 利用人居指數(shù)對福州市人口進(jìn)行初步模擬

通過融合的夜間燈光數(shù)據(jù)與植被覆蓋指數(shù)構(gòu)建出人居指數(shù)模型,同時(shí)建立人居指數(shù)與福州市實(shí)際人口數(shù)量之間的線性回歸關(guān)系,如圖5所示,從圖5中不難看出基于DMSP/OLS夜間燈光數(shù)據(jù)和NDVI植被覆蓋指數(shù)所建立的人居指數(shù)與實(shí)際統(tǒng)計(jì)人口數(shù)量之間的線性回歸關(guān)系相關(guān)性較弱(R2=0.352 1)。進(jìn)一步通過線性回歸方程計(jì)算模擬人口數(shù)量,其中長樂區(qū)672 316人、閩侯縣900 661人、福清市890 429人、連江縣551 546人、閩清縣487 763人、平潭縣405 195人、倉山區(qū)559 141人、永泰縣 525 615人、馬尾區(qū)445 383人、羅源縣491 092人、晉安區(qū)489 687人、臺(tái)江區(qū)340 549人、鼓樓區(qū)355 927人。 人口模擬相對誤差百分比絕對值為長樂區(qū)1.51%、閩侯縣36.03%、福清市27.89%、連江縣1.77%、閩清縣105.25%、平潭縣13.26%、倉山區(qū)26.69%、永泰縣110.71%、馬尾區(qū)92.03%、羅源縣136.47%、晉安區(qū)38.21%、臺(tái)江區(qū)23.80%、鼓樓區(qū)48.24%,平均相對誤差為50.91%,如圖6所示。從數(shù)據(jù)中可以看出其誤差百分比極大、導(dǎo)致線性回歸弱相關(guān)的區(qū)域基本都為地勢相對較高的福州市西部和北部地區(qū),如閩清縣、永泰縣、羅源縣等。進(jìn)一步探究造成這種問題的原因,分析判斷是由于此前基于夜間燈光數(shù)據(jù)與植被覆蓋指數(shù)構(gòu)建的人居指數(shù)模型并沒有考慮到海拔因素對人口分布的影響作用,導(dǎo)致人口模擬結(jié)果誤差顯著偏大,因此需進(jìn)一步疊加反映海拔的DEM高程數(shù)據(jù)對人居指數(shù)模型進(jìn)行數(shù)據(jù)修正。

圖5 福州市各市(區(qū))縣人居指數(shù)累計(jì)值與統(tǒng)計(jì)人口責(zé)任編輯：數(shù)量的回歸關(guān)系

審圖號:閩S(2018)37號圖6 福州市各市(區(qū))縣人口模擬誤差分布

3.2 對初步模擬結(jié)果進(jìn)行海拔修正

首先對海拔對于人口數(shù)量分布的影響進(jìn)行研究,福州市DEM高程影像顯示的海拔分布情況如圖7所示,從圖7中可以看出,福州市地勢西高東低,由西北向東南呈遞減趨勢,地勢最高處約為1 654 m,最低處約為-7 m。其次建立福州市各市(區(qū))縣平均人口密度與平均海拔高度的線性關(guān)系,使用指數(shù)函數(shù)進(jìn)行回歸分析,如圖8所示,得到的線性回歸方程的決定系數(shù)為R2=0.764,表明海拔高度與人口密度之間有比較強(qiáng)的負(fù)相關(guān)性,即可作為影響人口分布模擬的因素之一。

審圖號:閩S(2018)37號圖7 福州市各市(區(qū))縣海拔分布

圖8 福州市各市(區(qū))縣平均海拔與平均人口密度的關(guān)系

通過研究證明海拔高度與人口分布密度有較強(qiáng)的相關(guān)性,所以可用DEM高程數(shù)據(jù)對之前基于DMSP/OLS夜間燈光遙感數(shù)據(jù)疊加NDVI植被覆蓋指數(shù)遙感數(shù)據(jù)后所建立的人居指數(shù)模型進(jìn)行數(shù)據(jù)修正,經(jīng)過DEM高程數(shù)據(jù)訂正后的人居指數(shù)計(jì)算公式為

HSInew=

式中:NDVImax為SPOTNDVI在2013年的最大值;OLSnor為2013年經(jīng)過標(biāo)準(zhǔn)化的夜間燈光指數(shù);DEM為高程。

圖9給出了經(jīng)過DEM高程修正后的人居指數(shù)與統(tǒng)計(jì)人口數(shù)量之間的線性回歸關(guān)系。結(jié)果顯示,將DEM數(shù)據(jù)與人居指數(shù)進(jìn)行融合后所構(gòu)建的線性回歸方程的決定系數(shù)較之前的(R2=0.352 1)有了明顯的提高(R2=0.534 9),但依舊偏低仍不能表明人居指數(shù)與人口統(tǒng)計(jì)數(shù)據(jù)之間的高相關(guān)性。通過DEM高程數(shù)據(jù)修正后的線性回歸方程計(jì)算各市(區(qū))縣的模擬人口數(shù)量,其中長樂區(qū)798 637人、閩侯縣733 921人、福清市1 053 981人、連江縣464 660人、閩清縣279 922人、平潭縣290 932人、倉山區(qū)599 643人、永泰縣308 865人、馬尾區(qū)316 383人、羅源縣310 220人、晉安區(qū)303 438人、臺(tái)江區(qū)169 034人、鼓樓區(qū)197 330人。人口模擬相對誤差百分比絕對值為長樂區(qū)16.99%、閩侯縣10.84%、福清市14.65%、連江縣17.25%、閩清縣17.79%、平潭縣18.68%、倉山區(qū)21.38%、永泰縣23.82%、馬尾區(qū)36.41%、羅源縣49.38%、晉安區(qū)61.71%、臺(tái)江區(qū)62.18%、鼓樓區(qū)71.31%,平均相對誤差為32.49%。從數(shù)據(jù)中可以看出,原來人口模擬誤差值大于100%的地區(qū),經(jīng)過DEM高程修正后都有明顯的減小,總體數(shù)據(jù)也較之前更加趨于合理,如圖10所示。但仍有3個(gè)區(qū)域的模擬誤差值大于50%,分別是鼓樓區(qū)、臺(tái)江區(qū)、晉安區(qū)。這3個(gè)區(qū)域是構(gòu)成福州市中心城區(qū)的主要組成區(qū)域,而作為中心城區(qū)同時(shí)也是夜間燈光極其飽和的地域,故燈光溢出、像元過飽和的現(xiàn)象十分嚴(yán)重,對人口模擬數(shù)值產(chǎn)生了較大的干擾。

圖9 福州市各市(區(qū))縣經(jīng)過DEM高程修正后的人居指數(shù)責(zé)任編輯：累計(jì)值與統(tǒng)計(jì)人口數(shù)量的回歸關(guān)系

審圖號:閩S(2018)37號圖10 福州市各市(區(qū))縣人口模擬誤差分布

3.3 對中心城區(qū)的人居指數(shù)暫時(shí)剔除

通過再次對福州市下轄的各市(區(qū))縣模擬誤差的分析發(fā)現(xiàn),福州市區(qū)的鼓樓區(qū)、臺(tái)江區(qū)、晉安區(qū)在線性回歸方程中距離回歸直線離散的較遠(yuǎn)、誤差較大,這是由于這3個(gè)區(qū)人口密度較大,夜間燈光強(qiáng)度較大,導(dǎo)致像元異常飽和及夜間燈光嚴(yán)重溢出導(dǎo)致的,因此決定先將這3個(gè)區(qū)域的人居指數(shù)進(jìn)行暫時(shí)的數(shù)據(jù)剔除,而后再進(jìn)行一次人居指數(shù)與人口統(tǒng)計(jì)數(shù)據(jù)之間的線性回歸關(guān)系分析。圖11給出了剔除了鼓樓區(qū)、臺(tái)江區(qū)、晉安區(qū)修正后的人居指數(shù)與人口統(tǒng)計(jì)數(shù)據(jù)之間的線性回歸關(guān)系,這次回歸方程的決定系數(shù)較之前的(R2=0.534 9)有了非常顯著的提高(R2=0.916 9),這表明了人居指數(shù)與人口統(tǒng)計(jì)數(shù)據(jù)之間較強(qiáng)的相關(guān)性。通過修正后的線性回歸方程計(jì)算剩余各市(區(qū))縣的模擬人口數(shù)量,其中長樂區(qū)799 862人、閩侯縣785 280人、福清市1 166 929人、連江縣464 204人、閩清縣243 916人、平潭縣257 044人、倉山區(qū)625 162人、永泰縣278 428人、馬尾區(qū)287 393人、羅源縣280 044人。人口模擬相對誤差百分比絕對值為長樂區(qū)17.17%、閩侯縣18.60%、福清市5.50%、連江縣17.33%、閩清縣2.64%、平潭縣28.15%、倉山區(qū)18.04%、永泰縣11.61%、馬尾區(qū)23.91%、羅源縣34.85%,平均相對誤差為17.78%,可以看出模擬結(jié)果的精確度有了顯著的提高,整體的人口模擬誤差也出現(xiàn)了顯著的降低,如圖12所示。

圖11 福州市各市(區(qū))縣剔除鼓樓區(qū)、臺(tái)江區(qū)、晉安區(qū)責(zé)任編輯：修正后的人居指數(shù)累計(jì)值與統(tǒng)計(jì)人口數(shù)量的回歸關(guān)系

審圖號:閩S(2018)37號圖12 福州市各市(區(qū))縣人口模擬誤差分布

3.4 人口數(shù)據(jù)的空間網(wǎng)格展布

剔除中心城區(qū)3個(gè)區(qū)域后,人居指數(shù)與人口統(tǒng)計(jì)數(shù)據(jù)之間的線性回歸擬合關(guān)系已經(jīng)達(dá)到了一個(gè)較好的水準(zhǔn),因此可以對人口數(shù)據(jù)進(jìn)行空間網(wǎng)格的展布以實(shí)現(xiàn)人口分布的空間化。根據(jù)DMSP/OLS夜間燈光遙感影像、NDVI植被覆蓋指數(shù)影像、DEM高程影像等多源遙感數(shù)據(jù)所構(gòu)建的人居指數(shù)模型與人口統(tǒng)計(jì)數(shù)據(jù)之間的線性回歸關(guān)系,將人口統(tǒng)計(jì)數(shù)據(jù)展布到細(xì)致的柵格空間中,柵格格網(wǎng)的空間分辨具體為1 km×1 km,但由于模擬人口與統(tǒng)計(jì)人口之間仍然存在一些誤差尤其是此前予以剔除鼓樓區(qū)、臺(tái)江區(qū)、晉安區(qū)這3個(gè)中心城區(qū),故在這里還需要對數(shù)據(jù)進(jìn)行一些修正,采用計(jì)算統(tǒng)計(jì)人口與模擬人口之間的比值的方法,并用該比值對各市(區(qū))縣的模擬人口進(jìn)行修正,最終生成的最終生成1 km×1 km分辨率的人口網(wǎng)格分布密度圖如圖13所示。從圖13中不難看出,人口密度較高的地區(qū)也正是DMSP/OLS夜間燈光數(shù)據(jù)值較高的地區(qū)、同時(shí)也是NDVI植被覆蓋指數(shù)處于中間波段的地區(qū),說明了人口數(shù)據(jù)的空間網(wǎng)格分布與這兩種遙感數(shù)據(jù)的強(qiáng)相關(guān)性。福州市各市(區(qū))縣人口密度的平均值為606人/km2,最大值為25 961人/km2。人口密集區(qū)主要集中在以鼓樓區(qū)、臺(tái)江區(qū)、倉山區(qū)等的中心城區(qū)。從海拔對人口分布的影響來看,有686萬的人口分布在海拔500 m以下的地區(qū),占全市總?cè)丝诘?6%,而海拔在500 m以上地區(qū)的人口數(shù)量只有2.5萬人,占全市總?cè)丝诘?%,所以進(jìn)一步驗(yàn)證了海拔高度對人口的影響是顯著的,添加DEM高程對數(shù)據(jù)進(jìn)行修正也是十分有必要的,通過空間網(wǎng)格展布后的人口分布數(shù)據(jù)圖較此前以行政區(qū)劃為單位的人口分布圖明顯有了質(zhì)的提升。

審圖號:閩S(2018)37號圖13 福州市各市(區(qū))縣1 km×1 km分辨率的人口密度

4 結(jié)論與展望

4.1 結(jié)論

本文利用多源遙感數(shù)據(jù)實(shí)現(xiàn)人口空間網(wǎng)格化分布,將DMSP/OLS夜間燈光數(shù)據(jù)、NDVI等多源遙感數(shù)據(jù)構(gòu)建人居指數(shù)并與統(tǒng)計(jì)人口數(shù)據(jù)建立線性回歸關(guān)系,利用DEM高程數(shù)據(jù)對數(shù)據(jù)進(jìn)行修正、果斷剔除燈光過飽和的中心城區(qū)數(shù)據(jù),最終在1 km×1 km網(wǎng)格單元上實(shí)現(xiàn)2013年福州市各市(區(qū))縣的人口空間展布模擬。

探究了空間遙感數(shù)據(jù)與統(tǒng)計(jì)人口數(shù)據(jù)的關(guān)系。采用融合DMSP/OLS夜間燈光數(shù)據(jù)與NDVI植被指數(shù)來構(gòu)建人居指數(shù)模型,并用該人居指數(shù)與統(tǒng)計(jì)人口數(shù)據(jù)進(jìn)行回歸分析建立線性回歸方程。該方法可以較為直觀地顯示遙感數(shù)據(jù)與統(tǒng)計(jì)人口數(shù)據(jù)的線性擬合關(guān)系,也有助于較快發(fā)現(xiàn)數(shù)據(jù)間存在的問題并進(jìn)行及時(shí)的探究和修正。

探討了如何解決夜間燈光數(shù)據(jù)像元過飽和及溢出的問題。采用空間分辨率更高、數(shù)據(jù)更加精細(xì)的NDVI來對DMSP/OLS夜間燈光數(shù)據(jù)進(jìn)行修正,經(jīng)過修正后的夜間燈光數(shù)據(jù)在像元單元格網(wǎng)上表現(xiàn)得更加精準(zhǔn)和細(xì)膩,這對于人口數(shù)據(jù)的精細(xì)化空間展布起到了至關(guān)重要的作用。

由于福州市位于東南丘陵地區(qū),地勢起伏明顯,較高海拔地區(qū)并不適宜人類居住。本文采用DEM高程數(shù)據(jù)對人居指數(shù)模型進(jìn)行修正,將不適宜人類居住的較高海拔地區(qū)予以數(shù)據(jù)矯正。該方法可降低只基于遙感數(shù)據(jù)所帶來的模擬誤差,可作為其他丘陵地區(qū)或地勢起伏較大地區(qū)進(jìn)行人口空間化研究時(shí)的參考。

如何解決城市中心城區(qū)夜間燈光值過飽和問題,是本研究的一個(gè)障礙,同時(shí)也是一個(gè)創(chuàng)新點(diǎn)。本文通過人居指數(shù)與統(tǒng)計(jì)人口數(shù)據(jù)之間的線性回歸關(guān)系發(fā)現(xiàn)中心城區(qū)的數(shù)據(jù)對于模擬結(jié)果的誤差產(chǎn)生較大的影響。所以,本文選擇暫時(shí)擱置中心城區(qū)過飽和的夜間燈光數(shù)據(jù),通過探究表明剔除中心城區(qū)夜間燈光數(shù)據(jù)后,人居指數(shù)與統(tǒng)計(jì)人口數(shù)據(jù)之間建立了很強(qiáng)的線性擬合關(guān)系。因此,基于多源遙感數(shù)據(jù)實(shí)現(xiàn)人口空間網(wǎng)格的精細(xì)化展布是可行的。

本文基于多源遙感數(shù)據(jù)實(shí)現(xiàn)人口空間網(wǎng)格化分布,這種方法較之前基于行政區(qū)劃來統(tǒng)計(jì)人口。從直觀性上,可更加直觀地看出人口的具體分布位置、密度;從經(jīng)濟(jì)性上,無須再費(fèi)時(shí)費(fèi)力的進(jìn)行以行政區(qū)為單位的人口調(diào)查,只需要利用到逐年的夜間燈光數(shù)據(jù)就能對人口進(jìn)行模擬及預(yù)測,更加省時(shí)省力節(jié)省成本;從實(shí)用性上,以像元單元網(wǎng)格為基礎(chǔ)的人口空間格網(wǎng)化,十分有利于城市建設(shè)總體規(guī)劃、防災(zāi)減災(zāi)的風(fēng)險(xiǎn)評估、社會(huì)可持續(xù)化發(fā)展等。

4.2 不足之處

1)并未找到很好的解決方案及模型,對中心城區(qū)過飽和的夜間燈光數(shù)據(jù)進(jìn)行修正使之建立與統(tǒng)計(jì)人口之間較強(qiáng)的線性回歸關(guān)系,該問題有待進(jìn)一步探究解決。

2)由于受到時(shí)間與經(jīng)費(fèi)的限制,本研究并沒有對空間化后的人口網(wǎng)格數(shù)據(jù)進(jìn)行實(shí)地抽樣調(diào)查、檢驗(yàn)、評估,只是采用了傳統(tǒng)的誤差檢驗(yàn)方法。

3)由于福州市整體海岸線較為曲折,導(dǎo)致沿海地區(qū)及周邊小島有數(shù)據(jù)丟失的情況,增加了數(shù)據(jù)的不穩(wěn)定性。

4.3 研究展望

1)未來可嘗試引入更加貼近于實(shí)際的分析模型用于解決城市中心城區(qū)夜間燈光過飽和及溢出等造成的無法與遙感數(shù)據(jù)建立較強(qiáng)相關(guān)性的問題。

2)在時(shí)間、經(jīng)費(fèi)許可的情況下,可將傳統(tǒng)誤差檢驗(yàn)法與實(shí)地抽樣調(diào)查法相結(jié)合,使得所得到的模擬數(shù)據(jù)更加精確、合理,更加符合實(shí)際情況。

3)在未來的研究中可將更多精度更高的遙感數(shù)據(jù)與夜間燈光數(shù)據(jù)相結(jié)合,以進(jìn)一步提高人口空間網(wǎng)格化的精細(xì)化程度。