精細(xì)尺度的城鎮(zhèn)人口空間分布是分析人類-資源-環(huán)境相互關(guān)系的重要指標(biāo)。本文提出了一種融合地理空間大數(shù)據(jù)和高分辨率遙感數(shù)據(jù)估計(jì)精細(xì)尺度城鎮(zhèn)人口分布的方法。通過對(duì)比各指標(biāo)與人口相關(guān)性,選取R2>0.7的建筑面積、到道路距離、夜間燈光強(qiáng)度、商服中心、EAHSI指數(shù)、幼兒園、公園、小學(xué)、加油站、醫(yī)院、公交車站、長途汽車站作為影響人口分布的變量因子。結(jié)合城市功能區(qū)數(shù)據(jù)確定人口分布區(qū)域,利用隨機(jī)森林模型對(duì)寧波市2018年人口數(shù)據(jù)進(jìn)行了500 m格網(wǎng)空間化,從而得出寧波市城鎮(zhèn)人口空間分布圖。最后,基于隨機(jī)森林模型的變量因子重要性分析寧波市人口空間分布的影響因素。研究結(jié)果表明,本文所提出的城鎮(zhèn)人口分布模型在街道尺度的估算精度為81.2%,平均相對(duì)誤差MRE為0.29、RMSE為3279.89;網(wǎng)格級(jí)別的MRE為17.16,RMSE為1149.9,因此模型能精確地反演城鎮(zhèn)內(nèi)部街道人口分布信息。通過對(duì)變量因子重要性進(jìn)行比較,發(fā)現(xiàn)建筑面積重要性約為0.22,對(duì)寧波市人口估算影響最大;到道路的距離、夜間燈光強(qiáng)度、商服中心、EAHSI（Elevation Adjusted Human Settlement ... 

【文章來源】：地球信息科學(xué)學(xué)報(bào). 2020,22(08)北大核心

【文章頁數(shù)】：10 頁

【部分圖文】：

2018年寧波市區(qū)平均人口密度

(5）城市功能區(qū)數(shù)據(jù)由高分遙感數(shù)據(jù)結(jié)合POI數(shù)據(jù)自動(dòng)分類提取[16](http://geoscape.pku.edu.cn/），共分12類：林地、綠地、水體、交通、未開發(fā)（城市、村鎮(zhèn)內(nèi)部未開發(fā)的土地、裸土）、農(nóng)業(yè)用地、工業(yè)用地、商業(yè)用地、學(xué)校機(jī)構(gòu)、一類居�。ㄒ缘蛯幼≌瑸橹鞯挠玫兀�、二類居�。ㄒ远�、中、高層住宅為主的用地）和三類居�。ㄅ飸魠^(qū)、農(nóng)村宅基地等）（圖4）。圖3 2018年寧波市EAHSI指數(shù)

2018年寧波市EAHSI指數(shù)

【參考文獻(xiàn)】：
期刊論文
[1]基于DMSP/OLS夜間燈光數(shù)據(jù)的貴州省人口分布及影響因子分析[J]. 張秋媛,彭明春,王崇云,周長威.  云南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(05)
[2]改革開放40年中國人口遷移變動(dòng)趨勢——基于人口普查和1%抽樣調(diào)查數(shù)據(jù)的分析[J]. 馬忠東.  中國人口科學(xué). 2019(03)
[3]基于Landsat8影像時(shí)間序列NDVI的作物種植結(jié)構(gòu)提取[J]. 白燕英,高聚林,張寶林.  干旱區(qū)地理. 2019(04)
[4]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)
[5]基于夜間燈光與LUC數(shù)據(jù)的川渝地區(qū)人口空間化研究[J]. 胡云鋒,趙冠華,張千力.  地球信息科學(xué)學(xué)報(bào). 2018(01)



本文編號(hào)：3006132