以NPP-VIIRS夜間燈光數(shù)據(jù)和土地覆蓋等數(shù)據(jù)為基礎,結(jié)合江蘇省各縣市常住人口統(tǒng)計數(shù)據(jù),采用空間回歸模型對各市縣常住人口進行回歸建模,繪制常住人口密度空間分布圖,并與以行政區(qū)為統(tǒng)計單元的人口密度分布圖進行對比,準確獲取江蘇省內(nèi)部的人口分布信息。結(jié)果表明:1)夜間燈光強度累計值與人口統(tǒng)計數(shù)據(jù)間相關(guān)性為0.78（p<0.01）,相關(guān)系數(shù)高;相較于傳統(tǒng)的最小二乘估計方法,空間回歸模型模擬效果較好,其中,空間滯后模型較空間誤差模型較優(yōu)。2)相較于傳統(tǒng)的人口分布圖,基于空間滯后模型繪制的2016年江蘇省人口格網(wǎng)化密度分布圖能更清晰地反映各市縣內(nèi)人口分布差異,客觀性較強且表征規(guī)律較為明顯。 

【文章來源】：黑龍江工程學院學報. 2020,34(03)

【文章頁數(shù)】：5 頁

【部分圖文】：

江蘇省NPP-VIIRS夜間燈光分布

本文基于NPP-VIIRS夜間燈光數(shù)據(jù)對SLM空間回歸結(jié)果進行空間化處理。結(jié)果表明（見圖3):1）夜間燈光數(shù)據(jù)可以有效地反映人口的實際分布，如在太湖和駱馬湖等水域內(nèi)燈光亮度明顯低于其他區(qū)域，該范圍內(nèi)人口密度較低，與實際情況相符。2）江蘇省人口分布特征明顯：人口主要集中分布在江蘇南部地區(qū)，尤其在南京、蘇州、無錫等地人口密度較高；在江蘇北部地區(qū)，人口主要分布在徐州市、連云港市以及宿遷市等地；在江蘇中部地區(qū)，人口分布較為均勻，且在靠近南部地區(qū)人口分布較為集中。3）格網(wǎng)化后的人口分布無明顯的交界線，不以行政單元為劃分區(qū)域，如江蘇南部的蘇州、無錫等地無明顯的界限；人口分布具有清晰的城市圈層結(jié)構(gòu)，城市中心人口最為密集，隨著與中心城區(qū)的距離漸增，人口密度呈現(xiàn)遞減趨勢，該趨勢在江蘇北部地區(qū)的表現(xiàn)更為明顯。4）經(jīng)濟發(fā)展較為迅速的地區(qū)人口較為密集，呈現(xiàn)空間集聚的特征，如南京、蘇錫常等地經(jīng)濟發(fā)展水平較高，人口呈現(xiàn)連片化趨勢。徐州與環(huán)太湖周邊發(fā)展迅速，人口密集程度較高。2.4 精度評價

縣級回歸結(jié)果檢驗

【參考文獻】：
期刊論文
[1]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.  貴州大學學報(自然科學版). 2019(02)
[2]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)
[3]多智能體的城市精細尺度人口估算模型[J]. 董春,尹詩畫,張玉.  測繪科學. 2019(08)
[4]社會經(jīng)濟數(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.  地球信息科學學報. 2018(09)
[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.  地球信息科學學報. 2018(01)
[6]2003-2013年汶川地震極重災區(qū)夜間燈光年際變化分析[J]. 張寶軍.  災害學. 2018(01)
[7]基于夜間燈光數(shù)據(jù)和空間回歸模型的城市常住人口格網(wǎng)化方法研究[J]. 李翔,陳振杰,吳潔璇,汪文祥,曲樂安,周琛,韓肖鋒.  地球信息科學學報. 2017(10)
[8]多元統(tǒng)計回歸及地理加權(quán)回歸方法在多尺度人口空間化研究中的應用[J]. 王珂靖,蔡紅艷,楊小喚.  地理科學進展. 2016(12)
[9]人口數(shù)據(jù)空間化研究進展[J]. 董南,楊小喚,蔡紅艷.  地球信息科學學報. 2016(10)
[10]基于夜間燈光數(shù)據(jù)和多地理因子數(shù)據(jù)的人口空間化方法——以遼寧省為例[J]. 馬鈺琪,朱秀芳,劉憲鋒,陸楠.  北京師范大學學報(自然科學版). 2015(S1)



本文編號：3473576