發(fā)布時間：2021-11-16 01:14

　　人口在空間上的實際分布是人口地理學(xué)研究的基礎(chǔ)和熱點(diǎn)問題。目前全球不同尺度的人口空間化數(shù)據(jù)產(chǎn)品因生產(chǎn)方法、數(shù)據(jù)源等有較大差異,空間化產(chǎn)品的一致性存在較大差異,尤其是共性需求集中的1 km數(shù)據(jù)產(chǎn)品。本文以京津冀地區(qū)為研究區(qū),基于2000年鄉(xiāng)鎮(zhèn)尺度的人口普查數(shù)據(jù)和可開放獲得的手機(jī)定位數(shù)據(jù),利用光影投射法計算人口分布權(quán)重,結(jié)合面積權(quán)重法和指數(shù)平滑法得到京津冀地區(qū)1 km分辨率的人口空間化結(jié)果PJ2000。該產(chǎn)品較好地反映了京津冀人口實際分布細(xì)節(jié)特征。經(jīng)精度評定,PJ2000人口空間化的總體精度為90%,人口空間化相對誤差小于0.5的鄉(xiāng)鎮(zhèn)（街道）數(shù)約占87%,PJ2000與2000年鄉(xiāng)鎮(zhèn)街道人口統(tǒng)計數(shù)據(jù)pop2000的相關(guān)系數(shù)r高達(dá)0.95。結(jié)果證明,結(jié)合鄉(xiāng)鎮(zhèn)尺度人口統(tǒng)計數(shù)據(jù)和手機(jī)定位數(shù)據(jù)等多源數(shù)據(jù)所構(gòu)建的人口空間化模型,所獲1 km分辨率人口密度數(shù)據(jù)集精度得到顯著提高。 

【文章來源】：地球信息科學(xué)學(xué)報. 2020,22(05)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

WorldPop誤差

隨著移動通訊設(shè)備的發(fā)展，騰訊位置服務(wù)在微信、QQ、京東和滴滴出行等軟件中得到深度應(yīng)用，本文主要利用騰訊位置大數(shù)據(jù)來例證手機(jī)定位數(shù)據(jù)在人口空間化方向的應(yīng)用�；赑ython軟件，采用網(wǎng)絡(luò)爬蟲的手段獲取京津冀地區(qū)的定位數(shù)據(jù)。由于歷史同期騰訊定位點(diǎn)數(shù)據(jù)無法獲取，本文選用2019年的定位數(shù)據(jù)開展實驗。騰訊位置數(shù)據(jù)時間為2019年8月19日至8月25日夜間19:00—22:00，共7 d的數(shù)據(jù)，該時段人口大多位于常住地，在一定程度上可以避免人口大量流動對騰訊定位數(shù)據(jù)的影響。由于手機(jī)定位數(shù)據(jù)與人口統(tǒng)計數(shù)據(jù)的年份相隔較大，為了驗證該實驗數(shù)據(jù)能否反應(yīng)對應(yīng)的人口分布趨勢，選用客觀的夜間燈光數(shù)據(jù)作為參考，按照鄉(xiāng)鎮(zhèn)界限分別統(tǒng)計每個鄉(xiāng)鎮(zhèn)街道的騰訊定位次數(shù)總值和夜間燈光總值，將2000年鄉(xiāng)鎮(zhèn)尺度的人口統(tǒng)計數(shù)據(jù)分別與2019年騰訊定位次數(shù)總值以及2000年夜間燈光總值進(jìn)行線性擬合，計算得到擬合優(yōu)度R2分別為0.683、0.462�？紤]到夜間燈光分辨率與鄉(xiāng)鎮(zhèn)邊界尺度差異明顯、燈光溢出效應(yīng)的影響和未進(jìn)行城鄉(xiāng)分區(qū)建模等相關(guān)處理，原始騰訊定位數(shù)據(jù)顯示了其在鄉(xiāng)鎮(zhèn)尺度上擬合精度較高的優(yōu)勢。因此，從數(shù)據(jù)可用性角度認(rèn)為可以采用騰訊定位數(shù)據(jù)參與人口空間化模擬。2.2.2 數(shù)據(jù)處理

指數(shù)平滑法是時間序列模型中重要方法之一，分為一次指數(shù)平滑、二次指數(shù)平滑以及三次指數(shù)平滑[26]，本文采用二次指數(shù)平滑法，其中t代表距離。它的理論算法如式（2)-(3）。式中：p(1)代表一次指數(shù)平滑后的值；p(2)代表二次指數(shù)平滑之后的值；pt(2)代表與初始值相鄰t個單元的數(shù)據(jù)平均值；p代表數(shù)據(jù)初始值；a代表平滑系數(shù)，值域為（0,1);N代表源數(shù)據(jù)總值。

【參考文獻(xiàn)】：
期刊論文
[1]基于騰訊位置大數(shù)據(jù)的精細(xì)尺度人口空間化——以南京市江寧區(qū)秣陵街道為例[J]. 吳中元,許捍衛(wèi),胡鐘敏.  地理與地理信息科學(xué). 2019(06)
[2]重慶市GDP值的趨勢預(yù)測分析——基于指數(shù)平滑法[J]. 張秋悅.  價值工程. 2019(27)
[3]基于衛(wèi)星遙感和POI數(shù)據(jù)的人口空間化研究——以廣州市為例[J]. 趙鑫,宋英強(qiáng),劉軼倫,陳飛香,胡月明.  熱帶地理. 2020(01)
[4]基于夜間燈光與土地利用數(shù)據(jù)的山東省鄉(xiāng)鎮(zhèn)級人口數(shù)據(jù)空間化[J]. 王明明,王卷樂.  地球信息科學(xué)學(xué)報. 2019(05)
[5]基于多源數(shù)據(jù)的福建省人口數(shù)據(jù)空間化研究[J]. 楊曉榮,陳楠.  貴州大學(xué)學(xué)報(自然科學(xué)版). 2019(02)
[6]基于夜間燈光數(shù)據(jù)的人口空間分布研究綜述[J]. 肖東升,楊松.  國土資源遙感. 2019(03)
[7]基于人口/GDP數(shù)據(jù)空間化的雷電災(zāi)害風(fēng)險評價[J]. 吳安坤,田鵬舉,黃天福,劉波.  氣象科技. 2018(05)
[8]社會經(jīng)濟(jì)數(shù)據(jù)空間化現(xiàn)狀與發(fā)展趨勢[J]. 吳吉東,王旭,王菜林,何鑫,葉夢琪.  地球信息科學(xué)學(xué)報. 2018(09)
[9]基于POI數(shù)據(jù)的人口分布格網(wǎng)化方法研究[J]. 淳錦,張新長,黃健鋒,張鵬程.  地理與地理信息科學(xué). 2018(04)
[10]基于手機(jī)大數(shù)據(jù)的動態(tài)人口感知[J]. 楊皓斐,曹仲,李付琛.  計算機(jī)系統(tǒng)應(yīng)用. 2018(05)

碩士論文
[1]基于隨機(jī)森林算法和多源數(shù)據(jù)的人口空間分布模型研究[D]. 鄧順強(qiáng).華東師范大學(xué) 2018
[2]基于夜間燈光遙感影像和社會感知數(shù)據(jù)的人口空間化研究[D]. 黃益修.華東師范大學(xué) 2016
[3]基于定位數(shù)據(jù)的人口分布特征研究[D]. 洪東升.中國地質(zhì)大學(xué)(北京) 2015
[4]人口統(tǒng)計數(shù)據(jù)空間化不同方案及其誤差評價[D]. 楊旭.河南大學(xué) 2015



本文編號：3497886