基于改进遥感影像的城市人口预测方法

基于改进遥感影像的城市人口预测方法

1利用遥感影像进行人口估算的研究城市人口数据是城市规划、建设和环境保护的不可或缺的基本数据。在我国,综合性的人口普查要十年才能进行一次,这种普查数据时间间隔较长,造成两次普查之间年份的人口数据缺失。另外,各级统计部门每年都要进行人口统计,这种统计方式费时费力。作为对这些传统方法的补充,利用遥感数据对人口数据进行获取,可以弥补以上缺陷。近年来,利用遥感技术估算人口分布的方法在国内外都受到了广泛的关注,并且取得了丰富的研究成果。Charles等提出城市人口和四个可以从遥感影像中提取的变量有着高度的相关性,意味着从遥感影像估算城市的人口的可能性;Funso等对土地利用类型与人口密度的关系进行了定量的研究;汪慧慧利用土地利用密度法对南京市鼓楼区进行了人口的遥感估算试验研究;王发曾对利用多光谱遥感影像进行城市人口估测的基本思路及误差消除方法进行了分析;徐建刚,吕安民等分别建立了基于遥感影像的城市人口密度估算模型,对人口密度进行了估计。本文介绍了几种现有的人口估算方法,并针对研究区的情况,利用城市人口密度估算模型,通过航空遥感图像解译及GIS技术,对深圳市福田区各居委会的人口数量进行估算,获得了满意的效果。2常用人口估算方法近几十年来,国内外学者在利用遥感影像进行人口分布研究中进行了诸多尝试,归结起来比较常用的人口估算方法可以分为居住单元法,土地利用密度法和建成区面积法,它们各有所长。2.1采用公式计算每份每单位的计数结果居住单元法的计算公式为:估算人口数=户数*每户平均人口数它的主要计算过程是:对大比例尺的航空相片进行目视解译,通过分析住宅的布局和结构特征,对住宅区进行识别,然后对不同类型的住宅加以区分,并对它们分别进行数目的统计。通过实地抽样调查的方法,获得各种类型每户的人口数并求出平均值作为每户的平均人口数。最后,利用公式可以计算出总的人口数。这种方法适合在大比例尺航空遥感图像上目视解译,其住宅计数精度可达到99%以上。农村的住宅比较分散,住宅数的统计相对容易,所以这种方法对农村比较适用。其局限性主要在于在一些热带地区或一些湿润的中纬度地区,住房通常被植物遮挡,因此难以得到正确的住宅数统计结果。另外,要利用这种方法达到比较高的估算精度,要求解译人员需要有丰富的相片判读经验和熟练的相片判读技术,以及熟悉研究区域的情况。2.2口密度计算。在城市更土地利用密度法计算人口数量的公式为:Ρ=S1*D1+S2*D2+S3*D3+⋯+Sn*DnP=S1*D1+S2*D2+S3*D3+⋯+Sn*Dn其中D1D2…Dn为每一住宅类型的代表人口密度,S1S2…Sn为每一住宅类型的面积。其主要计算过程为:首先,对航空相片进行判读,区分出居住地与非居住地。然后把划分为居住地的范围进一步细分为不同的住宅类型,量算出各种住宅类型的面积。通过实地的抽样调查,获得各种住宅类型的平均人口密度。二者相乘,就可以得到各个类型的人口数量,加和起来为总的人口数量。这种方法既适用于农村的人口数量的估算,也适用于城市的人口数量的估算。其不足之处在于,在计算各类别的代表性人口密度时,样区的选择较复杂。只有选择有代表性的样区,才能获得符合实际的人口密度。住宅类型也要结合估算区域的实际情况,根据人口密度的差异来划分。2.3陆地卫星图像量算模型这种估算方法首先要建立建成区面积和城市人口数量的关系,也就是人口数量的预测模型。选择合适的采样区,利用陆地卫星图像对其中建成区的面积进行量算,根据已知的统计的人口数,回归出模型中的系数,就可以利用这个模型对各城市的人口进行估算。该模型方法适用于50万～250万人口的大城市。估算所使用的卫星遥感图像较航空影像容易获取。但是,这种方法不能用来估算小城市或大城市中局部区域内的人口数量。3深圳期间户籍人口的基本情况作者选择深圳市福田区作为研究区域,对区域内各居委会的人口数量进行估算。深圳市福田区位于深圳经济特区中部,东部从红岭路起与罗湖区相连,西部至华侨城与南山区相接,北到笔架山、莲花山与宝安区龙华镇相连,南临深圳河、深圳湾与香港新界的米埔、元朗相望。辖区面积78.8km2,截至2002年全区总人口达88.58万人,其中户籍人口35.6万人,暂住人口52.98万人。福田区是深圳市委、市政府所在地,是深圳市重点开发和建设的中心城区,将建设成为深圳市的行政、文化、信息、国际展览和商务中心。它包括园岭,南园,福田,沙头,梅林,华富,香蜜湖,莲花八个街道办,各街道办下属共九十个居委会和一个保税区。实验资料包括深圳市的2002年拍摄的比例尺为1∶1000彩红外航空相片,深圳市福田区的基础地理信息的空间数据库,以及华富街道办各居委会的总人口普查数据,包括户籍人口和暂住人口。户籍人口是指已在其经常居住地的公安户籍管理机关登记了常住户口的人。暂住人口指在居住地没有登记常住户口而申报暂住户口的人。本研究主要任务是对深圳市福田区各居委会人口数量进行估算,比较各种人口估算方法,作者选用土地利用密度法并加以改进,对研究区域进行了实验。4人口估算的基本原则和方法4.1研究样区的选取根据楼房划分的普遍标准及实验区的具体情况,对住宅类型进行划分。福田区没有平房这种住宅类型,基本为楼房,居住地较为集中,主要集中在一些住宅小区,混合型的住宅较少。另外,考虑到不同类型楼房人口密度的差异,我们把住宅类型划分为三种:8层以下楼房(包括高度为8层及低于8层的居民楼房,主要为旧式住宅,也包括部分新式住宅小区,别墅,度假山庄等),9～14层小高层楼房(高度为9到14层的中高层楼房),15层以上高层楼房(高度为15层及以上的楼房,主要为新式住宅小区)。然后分析居住地的空间分布情况,对华富街道的十个居委会进行筛选,排除主要是商业用地的居委会,选择比较典型的包括三种楼房类型的并且具有一定代表性的居委会,作为研究的样区,用来进行遥感图像人口密度的计算。最后,选择华富街道的六个居委会(黄木岗社区居委会,田面社区居委会,新田社区居委会,莲花三村社区居委会,莲花二村社区居委会,莲花一村社区居委会)作为采样区。其中黄木岗社区居委会、莲花二村社区居委会以8层以下楼房住宅为主;田面社区居委会、莲花一村社区居委会有较多小高层楼房;新田社区居委会、莲花三村社区居委会有部分高层楼房。需要补充说明的一点是,如果选择距福田区中心到边缘距离远近不同的居委会作为采样区,将具有更强的代表性和更高的估算精度。本研究仅能获取到华富街道的人口数据,因此从中选取了最具代表性的六个居委会。4.2采样区的确定在确定样区之后,需要从遥感影像中提取采样区中各种楼房类型的实地建筑面积,将其代入到密度估算模型,计算出不同类型的人口密度。首先,对彩色航空相片进行室内的目视解译。结合深圳市地理信息数据库,主要为道路、单位等,在遥感图像上,将居住地和其他类型用地,例如校园,商店,停车场,工厂,绿地等区分开来。对居住区中的楼房类型进行判读。反复对比影像特征,建立解译标志,对各居委会进行实地考察,验证解译结果。在ArcGIS的ArcMap模块中,将福田区居委会矢量行政区划图与航空图像进行空间配准,根据建立的解译标志,勾画出不同居住类型的边界,并建立新的多边形图层保存。在ArcMap中,利用其自带的宏语言和函数进行编程,计算出采样区各类居住用地的面积(表1)。这样得到的面积,避免了直接在遥感相片上进行勾画,将在成像过程中由于投影变形所造成的误差带入到量算结果中,因而也更符合实际情况。4.3最佳上界估计传统的计算人口密度的方法是对实地进行抽样,对得到的数据求平均值。因为人口空间分布的复杂性,所以抽样区域选择不恰当,将会对得到的人口密度产生很大的影响。为了提高密度估算的精度,建立了人口密度估算模型,直接利用统计得到的人口数据,计算出各居住地类型的人口密度。根据土地利用密度法的原理,对于每个居委会来说,总人口数为各个类型的人口数之和,而各个类型的人口数为平均人口密度与面积的乘积。从而,建立人口密度估算模型:[p1p2p3]=[s11s12s13s21s22s23s31s32s33s41s42s43s51s52s53s61s62s63][D1D2D3]⎡⎣⎢⎢⎢⎢⎢⎢p1p2p3⎤⎦⎥⎥⎥⎥⎥⎥=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢s11s12s13s21s22s23s31s32s33s41s42s43s51s52s53s61s62s63⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎡⎣⎢⎢⎢⎢⎢⎢D1D2D3⎤⎦⎥⎥⎥⎥⎥⎥用矩阵的形式表示为:Ρ=SDP=SD其中:P为六个居委会的人口数,Ρ=[129502098678759650800017218]P=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢129502098678759650800017218⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥S为每个居委会各种居住类型的面积,例如S11为黄木岗社区居委会8层以下楼房的面积,S=[6.00390.20570.15651.95191.06690.57861.38880.00000.83813.80320.00000.82002.58340.12000.31623.42001.08720.2549]S=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢6.00390.20570.15651.95191.06690.57861.38880.00000.83813.80320.00000.82002.58340.12000.31623.42001.08720.2549⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥D为待求的量,D1为8层以下楼房的人口密度,D2为9～14层小高层楼房的人口密度,D3为15层以上高层楼房的人口密度。利用最小二乘法求得人口密度,可以得到最佳的近似解。最小二乘法用L2范数即估计值与测量值的误差的平方和来度量预测值和真实值之间的差距,力求选取使预测数据尽可能接近观测数据的一组模型参数。最小二乘解为最优解主要在于,当数据误差呈正态分布时,在统计意义上,模型的最小二乘解为它的最大似然解。总误差的计算公式为:E=eΤe=(ΡSD)Τ(ΡSD)(1)重复计算E对每个模型参数的导数,然后另其结果等于零,把这一结果方程用矩阵符号写出,即为SΤSDSΤΡ=0得到如下解:Dest=[SΤS]1SΤΡ(2)代入数据到公式(1),可得到计算结果为:D1=1406(人/km2)D2=11693(人/km2)D3=6855(人/km2)模型的协方差矩阵为:Cov(Dest)=[SΤS]1SΤCov(Ρ)S[SΤS]1(3)假设居委会的人口数据是不相关的,而且有相同的标准差δ,即Cov(P)=δ2I,I为单位矩阵。公式(3)可以简化为:Cov(Dest)=δ2[SΤS]1(4)根据统计资料的来源,这里假设各居委会的人口统计数据是独立分布的,而且具有相同的标准差100,把数据代入到公式(4),可以得到三种居住类型的人口密度的标准差分别为:δ1=17(人/km2)δ2=78(人/km2)δ3=99(人/km2)由计算结果可以看出,这样得到人口密度的标准差较低,人口密度的估算精度还是相当高的。4.4遥感图像分布图式在获得了人口密度的基础上,利用土地密度法的计算公式,对非样区的居委会的人口数量进行估算。主要估算过程为:首先,根据第二步中建立的解译标志,对福田区没有统计人口数据的居委会的遥感图像进行判读。同样划分出居住用地,并对其中的各种住宅类型的进行判别。在ArcMap中,勾画出其边界,计算出各类型的面积。在这个过程中,一方面,对于一些图像结构或色彩特征不明显,无法确定居住类型的地物要认真识别,避免错分;另一方面,要特别注意一些异常的住宅区,例如有些楼房是新建筑,还未进行出售,如果不进行剔除,就会使计算结果明显偏大。这就要求计算人员对研究区域进行足够的了解,所以在遥感图像的判读过程中,到实地进行验证是必不可少的辅助手段。利用第三步中得到的人口密度,计算出各种居住类型的人口数量,最后求和,得到各居委会的总人口数量。根据各居委会的人口数量可以做出整个福田区的人口分布图(图2)。经过这种方法计算可得到2002年福田区的总人口数量大约为85万,这和普查得到的88.58万是很接近的,总误差只有4%,说明我们得到的结果还是令人满意的。5遥感图像人口估计方法在确定城市化住宅类型时的应用本文中提出的方法主要在两个方面对传统的土地利用密度法进行了改进。一方面,利用人口统计数据和人口密度估算模型,计算出人口密度的最小二乘解,避免了直接通过实际抽样获取人口密度的随机性误差;另一方面,在GIS技术的支持下,通过基础地理信息与遥感影像相结合,计算住宅面积,提高了住宅类型识别和面积计算的精度,同时大大简化了面积计算的复杂性。应该指出的是,本文根据深圳市的建设情况把住宅类型分为三种,可能不适合一些大城市,在利用遥感影像对人口进行估计的研究中,要针对具体的情况,做出相应调整。大城市的住宅类型比较复杂,需要根据它们人口密度的不同区分出更多的种类。例如,本文8层以下楼房中包括了别墅、度假山庄等住宅类型,可以将它们单独作为一类;9～14层的小高层楼房和15层以上的高层楼房可以细分为普通住宅楼和商住两用楼两种类型等。在大比例尺航空影像中或加以辅助信息能够将它们判读出来的前提下,这种划分可以进一步提高估算