人口空间数据获取方法及格网尺度适宜性研究

Population data based on grid could precisely reveal the spatial pattern of population distribution, allow convenient integration with varied natural elements of data to conduct analysis and application because of no constraints of administrative boundary, and can be used as fundamental data and scientific basis for relevant scientific research, all levels of government planning and decision making, disaster prevention and cure, disaster estimation. Therefore, spatialising statistical population data has increasingly become research hotspot in the area of Remote Sensing, GIS and humanistic geography. By applying remote sensing and GIS techniques, adopting incorporated multi-data analysis, combined and layered analysis, gravitation model, neural network and genetic algorithm and so forth, this project would investigate the methods of transforming statistical population data on county level to population grid of varied magnitude, obtain all kinds of spatial population data on various grid scale, reveal spatial features of population distribution, study the suitability of different grid scale on presenting population spatial distribution, reveal the dependency relationship between precision of spatial population data and grid size, provide scientific basis for guiding production and application of spatial population data, use as reference for other types of spatialising statistical data, performing appropriate technical integration so as to build foundation for prompt production of spatial population data, and ultimately providing data support with high accuracy for joint research between the humanities and natural science, related government decision making, disaster prevention and cure, disaster assessment and so forth.

基于网格的人口数据可以准确揭示人口分布的空间规律，因不受行政边界约束可便捷地与各种自然要素数据进行融合分析应用，是相关科学研究、各级政府部门的规划和决策及灾害防治、灾情评估等的基础数据和科学依据。因此，统计人口数据空间化日益成为遥感、GIS和人文地理领域的研究热点。本项目利用遥感和GIS技术，通过多源数据融合分析，集成分层分析、引力模型、神经网络和遗传算法等，研究将县级统计人口数据进行不同格网尺度空间转换的方法，获取多种格网尺度的人口空间数据，揭示人口分布空间特性；对不同尺度的格网表达人口空间分布的适宜性进行分析研究，揭示人口空间数据精度与格网尺度的依赖关系，为指导人口空间数据的生产和应用提供科学依据，为今后其他类型的统计数据空间化处理提供方法借鉴；进行相关技术集成，为快速生成人口空间数据奠定基础。最终为人文科学和自然科学的融合研究、政府相关决策、规划及防灾减灾应用等提供高精度的数据支持。

人口数据空间化旨在揭示人口在地理空间上的分布位置及数量信息，展现人口统计数据的地理学含义，其研究已经成为人口学、地理学、GIS领域的研究热点。人口空间数据库在各级政府部门的规划和决策、灾害评估、资源配置等方面，具有重要的应用价值和科学意义。本项目在前期大量研究积累的基础上，利用遥感和GIS 技术，着重探讨了多格网尺度人口数据空间化方法及格网尺度适宜性研究。主要研究内容包括：（1）统计人口数据多种格网尺度空间转换模型研究；（2）人口空间数据的适宜格网尺度研究；（3）格网人口数据精度验证与误差分布研究。取得的主要成果有：（1）尝试了分层分析、引力模型、神经网络和遗传算法等方法，构建了多格网尺度人口数据转换模型，建立了多格网尺度人口空间数据库，结果表明在人口特征分区基础上，引入基于城镇用地再分类、地理加权回归（GWR）等措施能够提高多格网尺度人口数据空间化模型精度；（2）提出了人口空间数据格网尺度适宜性评价方案，确定200 m格网为生产安徽省人口空间数据的适宜尺度；（3）生产了2010年安徽省20个格网尺度序列的人口空间数据库，包括中小格网尺度（100 m~1000 m）和中大格网尺度（1 km~10 km）以及2014年安徽省200 m格网人口空间数据。本项目的多格网尺度人口数据空间化方法，能够为人文数据的其它指标格网化处理提供方法借鉴；本项目的多格网尺度人口空间数据库成果，能够为不同学科数据的融合分析奠定基础，为人地关系研究及政府决策提供有力的数据支持；本项目提出的适宜格网尺度评价方案，能够为空间数据的适宜格网确定提供科学决策，为人口空间数据的生产和应用提供指导。