交通大学8基于全球地表覆盖数据的一种优化人口空间化方法

1、号：0484：8.空间分析与统计基于全球地表覆盖数据的一种优化人口数据空间化的 1,1,2,徐 柱 1,2（1.西南交通大学地球科学与环境，成都， 611756）；2. 西南交通大学高速铁路运营安全空间地方联合工程摘要：人口数据空间化可客观表达区域人口分布，为区域可持续发展提供建议。早期学者通过全国土地利用数据建立人口-土地量化，通常采用统一回归模型，但其结果精度较低，不利于多尺度人口空间化表达，且结论无法推广到大范围。全球地表覆盖数据（Globeland 30）内容丰富，精度较高且优势众多，其应用严重缺乏。本文利用 Globeland 30 数据，构建了四川省各市级人口普查数据与地表覆盖类型

2、面积之间的人口空间化模型。在此基础上，通过对比统一回归模型分别计算出四川省市级人口分布状况，并对各县市人口数据误差检验后提出一种优化的分区回归模型。实验表明，分区回归模型结果较统一回归计算结果有明显的改进。： 地表覆盖数据（Globeland 30）；人口数据空间化；分区回归模型；误差检验1引言人口数据是以行政区划为统计单元，通过人口普查，户籍登记等方式逐级汇总获得1。人口数据可以用于和地区管理及制定各项方针，进行人口、资源环境与的发展等宏观分析等2，而当进行微观尺度的空间分析或跨学科的研究时就会出现问题，如造成房地产需求分析、老龄人口分布统计结果的不合理性。人口数据空间化则是解决这些问题的有

3、效3，它能够更为客观的表达人口数据的空间分布，有效的拓展人口数据的应用领域，对人口资源的管理具有重要的理论意义和价值。因此，通过数据建模来模拟人口真实的空间分布状态，从而实现人口数据空间化显得非常重要4。GIS 技术中，通过一些有效将人口数据和地球表面的地理因子关联起来5，实现人口数据空间化表达，在一定程度上增加了人口数据的含量，更反映人口空间分布原貌。对此，国内外许多学者开展了人口数据空间化研究：，等通过过土地利用数据对人口数据空间化表达69，Martin D、Dorling D 等通过空间插值与建模等实现人口数据空间化1012。这些可以在一定程度上表达人口数据空间化结果，但精度不高，且数第

4、一作者：，生，主要从事人口数据空间多尺度表达研究。: 195640928项目来源：测绘地理公益性行业科研专项经费（编号：201512028）、教育部“新世纪优秀支持划”（编号：NCET-12-0942）、教育部和创新团队发展资助计划（编号：IRT13092）据源多样，选取繁杂，结论无法推广到多尺度的人口数据空间化表达。全球地表覆盖数据（Globeland 30）是我国最新发布的具有高精度土地覆盖类别的数据，该数据首先解决了数据源选取繁杂的问题，且获取方便；其次 Globeland 30 数据对全球采用统一标准发布，因此人口数据空间化结论可以推广到多尺度的表达；并且土地是人与自然相互作用的产物，

5、它影响并制约着人口的分布，而人类生产活动又影响土地类型的变更。因此，在人地的基础上，通过 Globeland 30 实现人口空间化的理论研究和实际操作都是可行的。虽然 Globeland 30 数据有诸多优势，但目前研究中对它的应用却十分缺乏。本文基于全球 30m 空间分辨率地表覆盖数据（Globeland 30）进行人口空间化研究，通过建立人口统计数据与不同地表覆盖物面积之间的模型，探讨了实现人口数据空间化表达的。通过模型计算出四川省市级人口分布状况，得到不同地类的相对人口密度，对比实际人口与估算人口的相对误差，进而构建分区模型提高人口数据空间化精度，为人口数据空间化研究提供借鉴与参考。2人

6、口数据空间化2.1 研究思路及21 世纪初期，国内外地理学学者选取海拔高度、主要道路、土地利用、居民点分布作为影响人口分布的重要指示因子69。接着对各影响因子赋予权重，再构建人口密度与不同权重值下的指示因子的多源数据融合模型，从而可获得人口数据空间化结果。虽然较完成了人口数据空间化研究，但仍有一定的缺点。首先运用多源数据融合技术进行人口数据空间化，选取的数据源较多，且空间化精度不高；其次统一回归模型将整个研究区视为一个统一的整体，忽略了因地形条件，自然环境等差异而导致的局部区域人口分布差异。Globeland 30 数据在进行人口数据空间化研究中，只需要与人口统计数据结合便可以实现模型的构建，

7、数据获取方便且具有高质量的地表覆盖，分区建模可提高空间化精度。因此，本文利用 Globeland 30 数据获取四川省各市不同地表覆盖类型的面积，建立与四川省各市统计人口建立分区回归模型，以实现人口数据空间化精度的大幅提升。整体研究思路如图 1 所示。(1)数据预处理：全球地表覆盖数据可以从数据（）获得，以经纬度分幅完成。Globeland 30 数据需要在 ArcGIS 中结合四川省行政边界矢量图经过拼接-裁剪-掩膜等一系列处理，获得四川省地表覆盖类型图；接着统计四川省各市地表覆盖类型的栅格数，从而获得各市不同地表覆盖类型面积；人口数据从国家网获得，并筛选后获得四川省各市人口统计数据。回归模

8、型构建：人口数据空间化模型研究首先以四川省 21 个市不同地表覆盖类型的面积(2)为自变量，人口统计数据为因变量得到一个统一回归模型，基于地理学与统计学意义检验后删除一些不合理变量，再对余下变量建立统一回归模型；由于四川省地域辽阔，各地的，自然等条件差异较大，反映在人口分布上也有极大的差别。通过对各市估算人口与实际人口对比后发现，可将人口相对误差值较高的区域与余下区域分别建模，从而很大程度上防止建模忽略地域差别而造成的误差，提高人口数据空间化精度。模型验证：通过县乡级地表覆盖面积和人口统计数据对模型进行检验，并对比两种建模(3)方式下的各市各县乡人口估算误差结果，以多尺度、多角度的方式表达 G

9、lobeland 30 数据下人口空间化结果，并验证分区是提高人口数据空间化精度的有效方式之一。2.2 模型构建要实现人口统计数据空间化，建立反映人口实际分布状况的模拟栅格图，必须要定量、定位的分析和研究不同地表覆盖类型对人口分布的影响13。Globeland 30 数据地表覆盖类型中有十个大类，即耕地、森林、草地、灌丛地、湿地、水体、苔原、人造覆盖、 地和其它。基于传统研究中，人口与地表覆盖类型的，对人口数据与地表覆盖类型数据进行相关性和主成分分析时发现人口数据与地表覆盖数据相关。因此，为获得不同土地覆盖类型的人口密度情况，来进行人口数据空间化的研究，本文可采用多元线性回归模型。以各个地表覆

10、盖类型的面积为自变量 Aij ；统计人口变量为因变量 pi ；将回归置信区间设为 0.95（可最大限度降低因模型建立带来的系统误差），建立回归方程组公式：mi = 1pi =D j * Aij + bi(1)上式中， pi 为第i 个市的人口， D j 为第j 类土地覆盖类型的人口密度， Aij 为第i 市第 j 类土地覆盖类型的面积， bi 为方程截距。根据“无土则无人口的原则14”所有的人口都分布在这 10类地表覆盖下，通常在建立回归方程时将常数项 bi 强制设置为 0。对上述回归结果的分析，可以从两方面来解释：1、从地理学意义上来讲，由于水体、沼泽、冰川积雪等地表覆盖类型上住有人口的可能

11、性极小，对人口分布几乎没有影响。因此，在试验中，应该对这几种变量要素进行剔除。2、地类可接受人口空间分布的密度不能小于零，即变量系数不能为负。负值在统计学意义可能，甚至可能导致某些单元格上的模拟人口为负值，但是却无法从地理学意义上给予严谨的解释，所以对于系数为负数的地表覆盖类型在本文中暂时不予以考虑。在此基础上，对于无法从地理学意义上进行判别的地表覆盖类型，诸如灌丛地，苔原等，则可以从统计学意义上来进行检验。根据回归方程中系数意义, p假设成立的概率，即当 p 值小于等于 0.05 时，变量的系数有意义，否则应予值解释为以舍弃；t 解释为对回归参数的显著性检验值，当 t 值的绝对值大于等于t

12、0.05(n - m- 1)时就拒绝原假设，对应的变量应予以舍弃。3试验与分析四川省地处西南，其地表覆盖类型丰富多样，人口众多。其现有人口分布具有以下特点：川西地区人烟稀少，川东地区人口密集。因此选取四川省为为本文研究区域，也具有一定的代表性。首先，对人口数据与地表覆盖数据建立统一回归模型，剔除不合理的地表覆盖类型变量；然后将有效的地表覆盖类型变量重新构建模型，获得各市的地表覆盖类型密度；接着分区域建立回归模型，提高人口数据空间化精度；最后，利用县级人口数据对模型进行验证。本文选取典型地区，以县级行政区划和人口数据对数据结果进行验证，将得到最终的人口分布模拟结果图。3.1 数据源（1）全球地表

13、覆盖数据2000 年和 2010 年两个年份，空间分辨率为 30 米分辨率，数据全球地表覆盖数据涵盖全球范围，水体、耕地和林地等十大类地表覆盖类型。本文采用 2010 年的四川省地表覆盖数据（图 2），相比其它数据，其精度更高，数据范围更广。（2）人口数据人口数据为基于第六次人口普查的 2010 年全国分市县人口统计数据，正好与全球地表覆盖数据年份一致，研究中数据的一致性。（3）行政区划数据从天地图中获取 2010 年四川省行政区划图，同时与四川省地表覆盖数据年限及界限范围一致。3.2 Globeland 30 数据下的人口空间化探讨3.2.1 研究区回归模型构建对Globeland 30 数

14、据经拼接-裁剪-掩膜等一系列处理后获得成都市在内的 21 个市地表覆盖类型数据，根据其属性表中栅格个数与 30m 空间分辨率的栅格单元个数相乘统计出不同地表覆盖类型的面积（km2），如表 1 所示。表 1 四川省各市地表覆盖类型面积统计（km2）Tab.1Land cover area statistics for 21 cities in Sichuan Province统计人口数（个）灌丛地人造覆盖城市耕地森林草地湿地水体苔原地其它89870810918723205476361575832831481404762554680972484122323575945328094218427174

15、914815070422857134049046752950113463933637290105055773976180185431009075702411000951674000阿坝甘孜德阳巴中389533287145950013222成都7671303945108108076600达州广元乐山凉山泸州827061554123117516339770491996172350143837392743195497065272543025522315157137131265000065561531735200020300005402950545461387162786143702847485984

16、75992646681121322280001101619900000000眉山绵阳南充内江攀枝花 遂宁雅安宜宾资阳自贡1025520623981191141011237121412116324222106434601000783032526194388745115833815391337358512118016618714876411500056497861400000001800044718936650572678899713171863681235534661通过 Globeland 30 数据可以提取出不政区划单元的土地覆盖类别面积，结合各行政区域实际人口面积按公式（1），以四川省 2

17、1 个市的 10 类地表覆盖类型面为自变量 x（i Aij），统计人口数为因变量为y(Pi）建立回归模型，回归结果如表 2 所示。表 2 回归统计结果Tab.2 Regression resultsMultiple R=0.99415775R Square=0.988349632Coefficientst StatP-valueInterceptx10595.01-81.73-70.46184.551021.93-3553.63-5431.4812864-9138.2118975.95#N/A 4-1.31-0.240.110.44-0.52-0.4711.42-0.330.53#N/A 0.

18、0020.220.810.910.670.620.651.94E-070.750.60x 2x 3x 4x 5x 6x 7x 8x 9x10利 用 多 元 线 性 回 归 模 型 对Globeland 30 数据进行人口数据空间化是一项可行的操作，但通过对回归结果的分析发现，某些不合理的系数仍需要从统计学及地理学意义上做进一步验证。依 2.2 所述，按照检验规则对模型进行检验。首先剔除系数为负的变量，其次找出不符合条件的t-value 与 P-value 值。结果表明，人口分布与地表覆盖类型中的耕地（ x1 ）和人造覆盖类型（ x8 ）相关性最大，也最为密切，这从人类的居住活动中也可以得到论证

19、。对于其它不合理的变量，也许在某些研究尺度上是可以的，但在统计学意义上不满足置信范围，结果具有不性，因此在本文中保留最为合理的两种变量（耕地和人造地表覆盖数据），参照公式（1）进行回归建模。从结果（如图 3 所示）可知，两种变量的回归系数（即该地类的相对人口密度）均为正数，P 值及 t 值检验也均符合统计学意义，且不常数项。得到回归方程如下：y1 = 407.13x1 +13381.96x8(2)其中 x1 表示耕地面积， x8 表示人造地表覆盖的面积， x1 、 x8 的系数分别代表耕地相对人口密度和人造覆盖相对人口密度， y1 为估计人口数。从上述结果分析，这种栅格数据模型的构建，最终只留

20、下了两种（耕地与人造地表覆盖物）与人口分布密切相关的地表覆盖类型。人造地表覆盖的相对人口密度比耕地的相对人口密度大三倍，说明人造覆盖上，有较多的人口分布，这与现实人口分布吻合。为了进一步验证这两种地物类别可以较表达人口空间化结果，本文基于误差理论15(相对误差值百分数为统计人口数与估计人口数之差的绝对值与统计人口数的比)对四川省 21 个市的人口估计的误差绝对值进行计算。其表达式如下：E= |pe-ps| 100%(3)ps其中 E 为人口相对误差值， pe 为按照模型估算的人口， ps 为各市普查人口（真实值）。根据模型计算获得各市的估计人口数，对照普查真实值对人口相对误差值进行计算，结果如

21、表 3 所示。统一回归模型下人口相对误差值的平均值为 25.7%，人口相对误差值低于 30%的有 16 个，占总数的 85.7%。验证结果表明通过与人类活动最为密切的两类地物（耕地与人造覆盖类别）进行人口数据空间化表达的结论是合理的，但统一回归模型的构建方式一定的不足，它将整个地理空间看作一个统一的整体，但实际上在不同的区域同一种地表覆盖类型上的人口密度是有所差异的。因此造成诸如阿坝、凉山、甘孜、攀枝花、广元人口估计误差偏差超过 30%；广元市的人口估计误差为 30.6%；甘孜、凉山、攀枝花的相对误差值都在 39%-60%之间。而川西人烟稀少的阿坝州人口误差超过 100%。为了解决上述问题，本

22、文尝试从分区的角度去表达人口数据空间化。四川省面积较大，地形处于高原向平原过渡地带，造成地表覆盖差异大，各市县类型多样化，很难基于一个统一适用的模型去表达人口空间化精确结果，因此，为了提高人口空间化结果精度，进而采用分区建模的思想，以实现最大限度降低估计误差。3.2.2 分区回归模型分区就是将研究区内地形、人口分布等相似的区域看成一个局部统一的整体或根据某一种判定规则将具有相同规则的区域看成一个局部整体，从而将整个研究区划分为多个小区域。本文根据统一回归模型下人口误差绝对值分级，对川西四个区域（阿坝、甘孜、凉山自治州及攀枝花市）和广元市为一个分区 1；余下 16 个市为分区 2 按公式（1）建

23、模，结果如图 4 所示。分 区 1回 归 建 模 公 式 为 ：(4)分区 2 回归建模公式为：(5)其中， x1 表示耕地面积， x8 表示人造地表覆盖的面积， x1 、 x8 的系数分别代表耕地相对人口密度和人造覆盖相对人口密度， y1 与y2 为估计人口数。从回归结果来看，人造地表的相对人口密度比耕地的相对人口密度高；公式（4）、（5）的对比从侧面验证了四川西边人烟稀少，可供人类居住的地方较少，大多数的人口都分布在人造地表上。根据上述回归结果对四川省各个市的人口进行估算，如表 3 所示。表 3 两种模型下 21 市人口误差绝对值统计情况Tab. 3 Population error of

24、 21 cities in Sichuan Province under the Unified regressionmand Partition regression m统一回归模型分区回归模型市名统计人口（个）估计人口（个）误差（%）统计人口（个）估计人口（个）误差（%）阿坝藏族羌族自治州成都市巴中市8987081910420898708110040411322.41404762532831481330362726189585.220.214047625328314846928159251402.88.4达州市德阳市甘孜藏族自治州市广元市乐山市凉山彝族自治州泸州市眉山市 绵阳市 南充市 内

25、江市 攀枝花市遂宁市 雅安市 宜宾市 资阳市自贡市546809736157581091872320547624841223235759453280942184272950545461387162786143702847121412132526191507258447189636650572678899423198034785241693692264871832501483711016770758933277922343354555842195356069260083116946852528593159680839442203734156203068722.6446.917.430.814.75

26、6.122.316.421152939.622.35.911.81.924.2546809736157581091872320547624841223235759453280942184272950545461387162786143702847121412132526191507258447189636650572678899985513922441773007195136527014786265373875529875453959205370218837425736130311601649229099812817723174621744169784214793227478412.53.41

27、5.36.89.722.33.512.226.832.94.221.418.813.415.91.21515表 3 结果表明，分区回归模型人口相对误差绝对值的平均值只有 13%。分区误差在 30%以下的区域有 20 个，占所有城市的 95.2%；超过 30%的只有绵阳市，且误差范围接近 30%；而误差接近于 0 的城市有 8 个，占所有城市的 38.1%；误差低于 20%的城市有 16 个，占所有城市的 76.2%；在统一回归模型下，人口相对误差较大的阿坝、甘孜等 5 个区域的误差绝对值明显下降，凉山州人口误差下降到 5%以下，阿坝成为误差变化量最大的区域。为了更直观的表达两种模型下的相对误差

28、分布情况，将两种模型下人口估计相对误差值在同一直方图中表现，如图 5 所示。结果表明，有 16 个市的人口误差估计绝对值在分区回归模型下都得到了提升，尤其是在统一回归模型下误差较大的阿坝、甘孜、凉山、攀枝花等市估算人口估算绝对值都下降到30%以下，凉山州从人口估计误差较高的区域变成了误差较低的区域之一，阿坝州成为人口估计精度提升最大的区域。因此，基于 Globeland 30 数据建立模型对人口数据空间化，可以避免因数据上的不确定性带来系统误差；对比得两种模型结果，说明分区是提升人口数据空间化精度的有效方式之一。3.2.3 两种模型下人口估算误差对比为了更清晰的表达分区是提升人口空间化精度的有

29、效方式之一，将两种模型下的误差进行具体定量分析统计。在分区回归模型下，相对误差值的平均值由 25.7%下降到 13%。其中，误差在 30%以上的城市由 5 个减到 1 个，误差在 10%以下的城市由 4 个增加到 8 个，如表 4所示。为了进一步从地理分布上详细对比人口空间化精度变化，利用 GIS 工具将两种模型的人口空间化误差作图，如图 6 所示。(a) 统一回归模型（Unified regression）(b) 分区归回模型（Partition regression）图 6 两种模型下人口空间化误差分布对比Fig. 6 Error spatial distribution under tw

30、o ms图 6 中，相对误差值范围用不同的灰度值表示为四个层级，其中灰度值最高的区域表示相对误差值超过 30%，第二级灰度值表示误差在 20%-30%内，、第三级灰度值表示误差在10%-20%，灰度值最小的区域表示误差在 10%以下。从图中可以看出，统一回归模型下人口估计误差最大的区域成聚集分布在川西。通过分区回归模型改进后，其人口误差估计绝对值都极大程度的下降。如统一回归模型下人口误差估计值最大的阿坝州，在经过分区回归模型的改进后，从最级下降一层级；广元、巴中、达州等川北门户人口误差估计绝对值从较级下降到最低层级。虽然从图中，绵阳市在分区回归模型中，变成了误差最大的地区，看似误差跳动最大，但

31、这实际上是因为误差分级造成的绵阳市误差表达上的跳变。因此，在空间误差表现方面，经过分区模型的改进后，很大程度上消除了由地形因素引起的系统误差，且误差分布更加随机，基本消除了误差团簇现象。3.3 模型验证人口数据空间化模型的验证采取比模型建立低一尺度的行政进行验证，Globeland 30 数据可以很方便的获取多尺度的地表覆盖数据，这是较其它数据进行人口空间化表达最明显的优势。本文将选定的县级行政区域的地表覆盖类型面积分别带入统一回归模型（模型 1）与分区回归模型中（模型 2）检验，获得人口估算结果，并计算县乡级人口相对误差值。利用 2010 年人口普查数据获得四川省各县的统计人口数，然后随机选

32、取 3-4 个市的辖县人口进行验证，这里选择阿坝、成都市和巴中市为验证目标。用这三个区域的 8 个县的实际人口数据分别与两种模型下的人口估算结果比较，获得人口相对误差值比较结果，如表 5 所示。检验结果表明，通过模型计算得到的人口数据较为客观的反映了研究区人口空间分布的实际情况，并且在分区回归模型下（模型 2）人口相对误差明显低于统一回归模型（模型 1）。在县乡级人口数据验证时，虽然郫县在模型 1 下的人口相对误差值低于模型 2，但这些误差都在范围内。对人口统计数据误差检验结果的对比，进一步说明了分区是提高人口数据空间化精度的有效方式。人口数据空间化是一个将统计数据分布到其相应地理空间上的过程

33、15，其它诸如土地利用数据、海拔高度和 DEM 等一系列数据建模获得的人口数据空间化结果在地图上表达比较复杂，但 Globeland 30 数据则可以快速准确的表达这一过程。利用栅格计算方式对地表覆盖物赋权重值，就能得到比统计人口数据更能反映人口分布状况的栅格人口数据-基于地表覆盖物的人口密度图，结果如图 7 所示。，人口数据空间化模拟结果表明四川省人口分布不均，人口主要聚集地为川东地区，川西人烟稀少，成都市具有高密度的人口空间分布。上述结论与实际人口分布有一个近似吻合性，同时也在一定程度上验证了基于 Globeland 30 数据进行人口数据空间化表达是合理的。4结论人类的活动与土地密切相关

34、，土地是人与自然作用的产物，人类的活动影响地表类型的分布，而地表覆盖类型又制约着人类的活动。我国最新发布的全球地表覆盖数据（Globeland 30）通过高质量，获得精准的全球地表覆盖类型，避免了在各项研究中因数据而造成的系统误差。但目前对 Globeland 30 数据的研究极度缺乏，因此，为了促进人地的研究对人与自然的，与协调可持续发展提供决策支持，本了关于全球地表覆盖数据的人口数据空间化工作，得出以下结论：1)全球地表覆盖数据（Globeland 30）比其它数据进行人口空间化有的优势。首先数据源获取方便；其次高质量的制图，避免了空间化过程中因数据而产生的系统误差；此外，人口数据空间化结

35、论可以通过全球地表覆盖数据实现多尺度的验证表达；2)文中采用不同模型对四川省人口数据空间化。基于统一回归模型的空间化结果造成川西地区误差较大，无法完整表达研究区的空间化结果；而进行分区的建模后，消除了因地形误差而造成的空间化误差，经验证分区回归模型比统一回归模型的人口空间化精度提高 12.7%。因此，分区是提高人口数据空间化的有效方式之一。本文为人口统计数据的空间化提供了一种思路，可以基于全球地表覆盖数据（Globeland30）将人口空间化思想和推广到全球范围。本文所采用的分区回归模型具有较强的可操作性，在人口空间化分布精度计算上有一定的改进和精度提高。但是影响人口分布的因素众多，不同的城市

36、的空间化程度也不一样，在不同的尺度下空间化的程度也不一样，而人口空间化模型的建立是影响空间化精度的关键。对于模型的优化，在今后仍有一些问题需要深入研究。此外，本文根据地理学意义与统计学意义仅保留了两种地表覆盖类型进行人口数据空间化研究，虽然准确的表达了人口数据空间化结果，但在今后仍可以尝试解释不变量为人口数据空间化精度所带来的改变。参考文献（references）1洁, 林广发,等. 人口统计数据空间化模型综述J. 亚热带资源与环境学报,2010, 05(4):10-16. DOI:10.3969/j.issn.1673-7105.2010.04.002.2,. 青藏高原人口、资源、环境与发展互动探讨J. 自然资源学报, 2000,15(4):297-304. DOI:10.3321/j.issn:1000-3037.2000.04.001.3 Deichmann U, Balk D, Yetman G. Transforpopulation data for interdisciplinary usages:from census to gridJ. Washington (DC): Center