人口空間化研究是地理空間科學(xué)研究的重要內(nèi)容,是現(xiàn)代城市向智能城市轉(zhuǎn)型的必由之路。人口普查數(shù)據(jù)一般以行政單位進行公開,如區(qū)縣、街道等,這種形式的人口數(shù)據(jù)無法直觀反映區(qū)域內(nèi)部人類分布,難以體現(xiàn)區(qū)域內(nèi)人口分布的細節(jié)和地理空間異質(zhì)性。人口空間化以國家公開的人口普查數(shù)據(jù)為基礎(chǔ),結(jié)合海量、多樣的對人口分布有著重要影響的地理空間數(shù)據(jù)為支撐,通過一定的技術(shù)方法對人口在區(qū)域內(nèi)實際分布狀況進行估算,從而刻畫現(xiàn)實世界中人口的分布,將人口普查數(shù)據(jù)以更加精確的空間尺度重新表達。通過對人口統(tǒng)計數(shù)據(jù)的空間化,可以準(zhǔn)確把握區(qū)域內(nèi)人口分布形態(tài),實現(xiàn)城市的精細化管理。本文以長沙市為研究區(qū)域,結(jié)合POI（Point of Interest,興趣點）、DEM（Digital Elevation Model,數(shù)字高程模型）、夜間燈光和土地利用等多源地理空間數(shù)據(jù)為人口空間化支撐數(shù)據(jù),通過建立隨機森林模型實現(xiàn)了長沙市人口普查數(shù)據(jù)的空間化,同時在文中詳細解釋了人口估算模型的原理,驗證了模型精度,并基于模型的特征重要性討論了各個人口影響因子之間的非線性關(guān)系。繪制了100m×100m的長沙市人口空間分布圖,模擬了長沙市人口在現(xiàn)實世界中的... 

【文章來源】：湖南師范大學(xué)湖南省 211工程院校

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

技術(shù)路線圖

基于多源地理信息和隨機森林模型的高精度人口空間化17圖2-1研究區(qū)域2.2數(shù)據(jù)及預(yù)處理人口的空間分布受自然、社會、經(jīng)濟等多種因素的制約和影響，因此人口空間化支撐數(shù)據(jù)的選取要從多方面入手。隨著生產(chǎn)力的進步和科技的發(fā)展，自然條件對人口分布的影響明顯減弱，但作為形成人口初期聚集至關(guān)重要的條件，自然條件對人口分布的作用不可忽視。經(jīng)濟發(fā)達、資源豐富、地勢平坦的地區(qū)往往人口密度較高，人口遷移也趨向于符合這些條件的區(qū)域。同時這些區(qū)域?qū)θ丝诹鲃佑凶銐虻奈�，不斷吸納新的人才和勞動力，反哺經(jīng)濟發(fā)展，因此人口和經(jīng)濟往往呈現(xiàn)共同上升趨勢。綜上所述，本文基于多源地理空間數(shù)據(jù)支撐進行長沙市的人口空間化，所用數(shù)據(jù)均為免費開源數(shù)據(jù)，通過對獲取到的源數(shù)據(jù)進行處理得到多種衍生數(shù)據(jù)，這些數(shù)據(jù)及衍生數(shù)據(jù)成為構(gòu)建人口估算模型的基礎(chǔ)，從而支撐長沙市人口普查數(shù)據(jù)的空間化。這些數(shù)據(jù)主要有代表經(jīng)濟活動的POI數(shù)據(jù)、代表夜間經(jīng)濟活動和基礎(chǔ)建設(shè)的夜間燈光數(shù)據(jù)、代表社會屬性（區(qū)域內(nèi)部人口實際生活方式）的土地利用數(shù)據(jù)和代表自然限制的DEM數(shù)據(jù)。本文所用數(shù)據(jù)如表2-2所示，表中列舉了這些數(shù)據(jù)的來源、格式及衍生數(shù)據(jù)類型：

一使用的阿爾伯特坐標(biāo)系。 最后將 POI 數(shù)據(jù)批量轉(zhuǎn)換為 ShapeFile 格式。在 POI 轉(zhuǎn)換 CSV 過程中，能夠明顯體現(xiàn)出了各個區(qū)縣 POI 數(shù)量的差異。芙蓉區(qū)在 9 個縣區(qū)中面積最小，約為 42.8km2，轉(zhuǎn)換耗時反而較高，約 2254.17s。說明芙蓉區(qū) POI 數(shù)據(jù)密度最大，也反映出其作為長沙市的歷史核心區(qū)域基礎(chǔ)建設(shè)較為完善、經(jīng)濟活動強的特點。瀏陽市面積最大，約為 5007.75 km2，轉(zhuǎn)換耗時 1849.76s，耗時相對較少，說明瀏陽市 POI 數(shù)據(jù)密度較小，反映出其囿于多高山地形，人口分布較少，經(jīng)濟活動相對較弱的特點。網(wǎng)絡(luò)爬蟲、數(shù)據(jù)清洗、坐標(biāo)轉(zhuǎn)換、批量格式轉(zhuǎn)換的 Python 代碼見附錄 2，POI 數(shù)據(jù)的具體獲取及處理流程如圖 2-2 所示：

【參考文獻】：
期刊論文
[1]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)
[2]引入興趣點的地理加權(quán)人口空間分布模型研究——以天津市為例[J]. 李澤宇,董春.  遙感信息. 2019(02)
[3]基于隨機森林模型的西藏人口分布格局及影響因素[J]. 王超,闞璦珂,曾業(yè)隆,李國慶,王民,次仁.  地理學(xué)報. 2019(04)
[4]基于精細化人口格網(wǎng)的城市機構(gòu)養(yǎng)老設(shè)施供需分析——以上海市浦東新區(qū)為例[J]. 張德英,周云云,冷燮,李龍,周嘉源,施潤和.  華東師范大學(xué)學(xué)報(自然科學(xué)版). 2019(02)
[5]夜間燈光遙感數(shù)據(jù)應(yīng)用綜述和展望[J]. 陳穎彪,鄭子豪,吳志峰,千慶蘭.  地理科學(xué)進展. 2019(02)
[6]基于POI的城市中心空間演變分析——以昆明市主城區(qū)為例[J]. 楊子江,何雄,隋心,張軍.  城市發(fā)展研究. 2019(02)
[7]基于人口空間化的外來人口聚居區(qū)識別方法——以北京市海淀區(qū)為例[J]. 趙美風(fēng),汪德根,楊儀璇.  經(jīng)濟地理. 2018(11)
[8]基于空間句法和LBS大數(shù)據(jù)的合肥市人口分布空間格局研究[J]. 張曉瑞,華茜,程志剛.  地理科學(xué). 2018(11)
[9]地理加權(quán)回歸在人口空間分布研究中的應(yīng)用[J]. 趙真,徐柱,侯劍.  遙感信息. 2018(04)
[10]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)

碩士論文
[1]基于多源地理數(shù)據(jù)的精細人口空間化方法研究[D]. 劉正廉.武漢大學(xué) 2019
[2]基于多源地理信息的人口數(shù)據(jù)空間化研究[D]. 成方龍.廣州大學(xué) 2019



本文編號：3417741