基于GIS的青藏高原人口统计数据空间化.ppt

基于GIS的青藏高原人口统计数据空间化,小组成员: XXX XXX XXX XXX,1,,目录,,1,,2,,3,CONTENTS,人口分布与环境关系的宏观分析,人口统计数据 空间化,结论,2,,人口分布与环境关系的宏观分析,1.寻找数据2.数据预处理3.人口分布与环境因素之间的关系（1）人口密度与海拔高度的关系（2）人口密度与土地利用之间的关系（3）人口密度与主要道路网之间的关系 （4）人口密度与河流的关系（5）人口密度与居民点分布密度的关系,,3,,人口统计数据空间化,1.人口数据空间化的基本思路（1）计算出海拔高度、土地利用、道路系统、河流水系决定的居民点密度（2）确定、融合，得到整个区域的人口分布系数图3）数据融合，得到各市县平均人口分布系数，求得各市县的平均人口密度并进行相关性分析根据分析结果调整居民点的人口权重系数并重新计算，当二者的相关性达到最高时计算停止（4）将相关性最好的融合算法及结果与市县级人口统计数据和市县级行政区划数据进行融合，得到整个区域的人口密度图4,,人口统计数据空间化,2.影响因子对人口分布影响权值的确定 （1）海拔高度对居民点分布影响权值的确定 根据DEM的高程值对海拔高度进行分级，每100m作为一个级差。

把分级后的高程数据与居民点分布图叠加，得到不同高程带内居民点的分布数量、面积，从而计算出居民点密度（表1）以该值作为海拔高度对居民点分布的影响权值5,,6,,人口统计数据空间化,2.影响因子对人口分布影响权值的确定（2）土地利用对居民点分布影响权值的确定 将土地利用图与居民点分布图叠加，统计出各类土地利用类型的面积、分布在其上面的居民点总数，计算出各类土地利用类型中的居民点密度（表2）以表2中的居民点分布的影响权值由于数据的误差，使本不应有居民点分布的水域中出现少量居民点，因此，应用时将水域的权值改为07,,人口统计数据空间化,2.影响因子对人口分布影响权值的确定（3）主要公路对居民点分布影响权重的确定 对研究区主要道路系统每隔10km建立缓冲区，生成道路缓冲区分布图，把道路缓冲区图与居民点分布图叠加，得到不同距离缓冲区的居民点数量和缓冲区面积，算出各缓冲区中居民点的密度（表3）8,,9,,人口统计数据空间化,2.影响因子对人口分布影响权值的确定（4）河流水系对居民点分布影响权重的确定 对研究区河流每隔1km建立缓冲区，生成河流缓冲区分布图，把河流缓冲区图与居民点分布图叠加，得到不同距离缓冲区中居民点的数量，计算出各缓冲区中的居民点密度（表4）。

10,,人口统计数据空间化,2.影响因子对人口分布影响权值的确定（5）居民点人口权值的确定（a）居民点面积的确定 （具体计算时，以2km为半径画圆作为建制镇的面积；以3km为半径画圆作为县级市的面积，以4km为半径作为地级市的面积（居民点面积大小对计算结果无原则上的影响）对于农村居民点，如果面积过大，将会使大部分居民点连片，难以突出居民点对人口分布的影响，面积过小，又难以突出农村人口分散的特点11,,人口统计数据空间化,2.影响因子对人口分布影响权值的确定（5）居民点人口权值的确定（b）居民点对人口分布影响权值的确定 （1）农村居民点及远离居民点地区人口分布权值的确定Ptotal、Ptoun、Arural、Drural、Arest、Drest分别表示2省区总人口、城镇非农业人口、农村居民点的总面积、平均人口密度、远离居民点地区的总面积和平均人口密度，则有如下关系式：Ptotal-Ptoun=Arural*Drural+Arest*Drest （1）代入有关数据，可求得农村居民点的平均人口密度与远离居民点地区平均人口密度的关系式：Drural=40.96-12.27Drest （2）当Drural =Drest=3.09时，农村居民点和远离居民点地区的人口密度相等，根据常识，一般情况下，居民点地区的人口密度要比远离居民点地区的人口密度大，因此Drest应取一组小于3.09的数据，并求出相应的Drural（表5）。

12,,人口统计数据空间化,2.影响因子对人口分布影响权值的确定（5）居民点人口权值的确定（2）城镇居民点对人口分布影响权值的确定（b）居民点对人口分布影响权值的确定 用2省区城镇居民点非农业人口除以城镇居民点的面积，得到城镇居民点的人口密度Dtoun, Dtoun是随城镇的不同而变化的用表5中的数据作为农村地区的人口分布权重，用城镇人口密度作为城镇居民点的人口权值，在ARC/INFO中对居民点缓冲区矢量图进行栅格化，并分别用Dtoun、Drural、Drest作为城镇居民点、农村居民点和远离居民点区域的栅格属性值，从而得到整个区域的居民点人口分布影响权值图，共8种情况13,,人口统计数据空间化,3、各影响因子与居民点权重数据融合（1）单要素与居民点权值的融合 首先分别计算土地利用类型、海拔高程、主要道路系统、河流水系等因素决定的（基于1km*1km栅格）居民点分布密度相对值rd，然后分别于居民点人口权重指数数据数据ri叠加，得到人口密度的相对值Pdr(=rd*ri)将人口密度相对值Pdr与县界数据叠加，计算出各市县平均人口密度相对值P根据研究区的总人口和各市县平均人口密度相对值P，可计算出各市县的平均人口密度d，计算公式为：,式中：Di第i个市县的平均人口密度，Pi为研究区的总人口，n为研究区市县总数，Pi为第i个市县的平均人口密度相对值，Ai为第i个市县的面积。

根据上述算法得到的基于土地利用数据、基于数字高程数据、基于主要道路缓冲区数据和基于主要河流缓冲区数据决定的人口密度）于基于统计数据计算出的各市县的实际人口密度的相关系数分别为0.818、0.704、0.790和0.775（不包括拉萨和西宁）3）,14,,人口统计数据空间化,（2）多因子加权融合法 将上述方法的4种人口密度（Pd1、Pd2、Pd3、Pd4）进行加权融合，如果权重相等，即：Pd=（Pd1+Pd2+Pd3+Pd4）/4 (4)得到的结果与实际人口密度的相关系数为0.813 如将权重系数分别调整为0.5,0,0.3,0.2或0.6,0,0.2,0.2则相关系数进一步提高为0.822 由此可见，加权融合可以在一定的程度上提高融合结果与实际人口密度的相关性3、各影响因子与居民点权重数据融合,15,,人口统计数据空间化,（3）多因子乘积融合 将基于土地利用数据、数字高程数据、道路缓冲区数据和河流缓冲区数据决定居民点密度指数LRP、DRP、HRP和RRP之间进行相乘（本文选择了LRP*DRP、LRP*DRP*HRP、LRP*DRP*HRP*RRP、DRP*HRP、DRP*HRP*RRP和LRP*HRP*RRP 6种情况），然后再分别与居民点人口权重相乘，又得到6套人口密度数据，它们与各市县的实际人口密度的相关系数分别为0.784 ，0.776 ，0.791 ，0.729 ，0.704和0.797 。

由此可见，乘积融合并没有提高融合结果与实际人口密度的相关性3、各影响因子与居民点权重数据融合,16,,人口统计数据空间化,（4）融合结果的进一步验证 在研究区选择了5个县，共包括68个乡镇用各乡镇的人口统计数据除以各乡镇的面积得到各乡镇的平均人口密度，形成序列1；通过数据融合的方法计算得到各乡镇的人口密度，形成序列2，序列2共有10组不同的序列（4种单要素、6种组合因素，排列顺序与计算市县级人口密度时相同）需要说明的是，在通过数据融合方法计算市县级平均人口密度时，所使用的人口数据是乡镇所在县的总人口通过对序列1和序列2的相关性分析发现，基于统计数据得到的乡镇人口密度与用不同数据融合方法得到的乡镇人口密度的相关系数分别为0.719 ，0.780 ，0.700 ，0.685 ，0.632 ，0.618 ，0.358 ，0.766 ，0.582 ，0.370 3、各影响因子与居民点权重数据融合,17,,人口统计数据空间化,4.调查居民点对人口分布的影响权值共设计了8种不同的居民点权值方案，再次进行单要素融合和加权融合每一种居民点权值方案与一种影响因子融合，生成一套人口密度数据，进行相关分析。

对每一种居民点权值方案与单要素决定的人口密度进行加权融合18,,人口统计数据空间化,4.调查居民点对人口分布的影响权值共设计了8种不同的居民点权值方案，再次进行单要素融合和加权融合每一种居民点权值方案与一种影响因子融合，生成一套人口密度数据，进行相关分析（表6）对每一种居民点权值方案与单要素决定的人口密度进行加权融（表7）表7中的第1行是4种单要素决定的市县级人口密度的最优加权融合系数，所谓最优，是指在融合后产生的人口密度与实际人口密度有最高的相关系数（市县级）；第2行是最优加权融合生成的人口密度与实际人口密度（市县级）的相关系数；第3行是按照该加权方案融合生成的乡镇级与实际人口密度的相关系数君子0.70 以下，第4种也刚刚大于0.70 ，因此，实际上只有后4种居民点人口权值方案可以使用19,,20,,人口统计数据空间化,5、研究区人口密度图的生成 (1)人口密度的计算 设空间任意一个栅格i的人口密度系数为Wi，X为一常数（对同一个市县），WiX为该栅格点的人口密度，Tp为某市县的总人口，n为某市县的栅格数，则人口密度为：式中的Wi，Tp可在ARC/INFO的GRID模块中通过一系列运算求得，从而计算出整整区域的栅格人口密度。

21,,人口统计数据空间化,5、研究区人口密度图的生成（2）人口密度图的平滑 所求得的人口密度图在相邻栅格间的值相差很大，几乎为完全离散状态，因此需要对其进行平滑处理图像的平滑可在ARC/INFO的GRID模块中进行，也可在专门的图像处理软件（如：ENVI）中完成图3是经过平滑和分级处理以后的西藏青海2省区1km*1km分辨率的人口密度图22,,23,,总结,以土地利用、海拔高度、主要道路和河流作为影响青藏高原人口分布的主要环境因子，以居民点信息作为人口分布的指示因子，通过较为客观的方式赋予各影响因子人口分布影响权重，运用多源数据融合技术进行了人口统计数据的空间化在设计的8种居民点人口权值方案中，有4种方案使数据融合产生的人口密度与实际人口密度在市县级的相关系数大于0.80 ，在乡镇级的相关系数大于0.75 ，而其中又以第8种方案最好（2个级别上的相关系数均最高），说明在青藏高原地区，居民点对人口分布有重要影响高程、主要河流对人口的分布具有重要影响24,,人口数据空间化通过构建特定的统计分析数学模型将以行政区为单元的人口统计数据分布到一定尺寸的地理格网中，实现由行政单元向地理单元网格的转换。

通过人口数据空间化，可表达特定地域单元的人口空间分布规律；可匹配、融合多因素多来源数据，实现人口数据空间模型的多尺度构建和表达；可在时间上形成以特定地域为基础的数据时间序列，实现人口动态变化规律分析与研究 通过建模模拟人口相对真实的空间分布状况和动态变迁的过程，分析人口分布的发展规律，为更多人口数据应用提供多尺度、高精度、强实效的人口空间分布数据25,,,Thanks！,26,,。