【《基于夜间灯光数据的人口空间化建模及精度分析案例》2200字】

人口空间化建模及精度分析基于夜间灯光数据的人口空间化建模及精度分析案例目录TOC\o"1-3"\h\u18902基于夜间灯光数据的人口空间化建模及精度分析案例 111881.1人口空间化建模 1233211.1.1模型依据 1111481.1.2模型表达 3177741.2模型精度分析 35211.3人口空间分布图 41.1人口空间化建模1.1.1模型依据区内居住人口始终处于一定的活动范围内，并保持一定的活动频率或抗压强度，其室内空间活动呈现出较强的周期性特征。因此，可以根据居住人口室内空间活动的类别和活动的抗压强度，对居住人口的空间布局进行预测、分析、模拟。本研究尝试利用夜间照明效果数据信息和土地资源利用数据信息构建居住人口。空间布局模拟模拟物理模型。人口规模和空间分布总体上与河流，地形，海拔，气候，道路，居民点分布等因素有关，土地资源利用类型是决定人口空间布局的关键因素，因此选择与人口相关性强的土地资源利用数据信息作为模型依据。[5]夜间灯光的关键来自居民照明灯具、主要道路和路灯的照明效果、加工厂照明灯具的照明效果、城市景观照明效果。夜间灯光效果图像值的大小可以非常好的反映人们日常活动的强度水平。它是人口空间化模型的理想数据库之一。对京津冀一体化城市圈各城区居民密度与NPP-VIIRS夜光效果数据信息平均值进行相关性分析。2015年人口密度与平均光效强度呈显着正的比例相关（图1.1）。实体模型的拟合程度（R2），从大到小排列，从左到右依次为三次回归、二次回归、回归分析、和对数函数回归分别为0.8009、0.7818、0.6299、0.5251。同样2017年人口密度分布与平均光效强度呈显着显著的正比关系（图1.2），模型可决系数(R2)从大到小排列，从左到右顺序为三次项回归、二次项回归、线性回归、指数函数回归分别为0.8187、0.8135、0.6153、0.6006。图1.1京津冀地区2015年常驻人口密度与平均夜间灯光指数相关关系Fig1.1RelationshipbetweenresidentpopulationdensityandaveragenightlightindexinBeijing-Tianjin-Hebeiregionin2015图1.SEQ图4.1\*ARABIC2京津冀地区2017年常驻人口密度与平均夜间灯光指数相关关系Fig1.2RelationshipbetweenresidentpopulationdensityandaveragenightlightindexinBeijing-Tianjin-Hebeiregionin20171.1.2模型表达假设京津冀一体化区总居住人口与京津冀一体化区常住人口的可用活动空间和要进行的活动的强度有关。利用土地资源类型，体现居住人口的可用活动空间；利用不同类型的土地，体现居住人口所要进行的活动的强度，构建京津冀一体化城市圈人口的空间模拟仿真模型。以京津冀城市群各市人口为因变量，将京津冀一体化城市圈不同土地资源利用类型的光照总面积和光照强度的DN数值作为自变量，逐步建立回归分析，得到主要参数模拟的。模型为：。（1.1）其中代表第i个城市总人口；Po为截距；m为土地类型的数量；NLij和DNij分别为第i个城市第j个土地资源利用类型的光照效果面积总面积和光照强度；aj,bj是回归系数。将2015年和2017年京津冀一体化区各城区常住人口总数、各城区土地资源利用类型总面积（未利用地除外）、光照强度值将每种土地资源利用类型的光照效果转化为线性回归模型，测量计算实体模型变量值：ai=0.227,bj=0.718,=264320.320,sig=0.000,为0.800，结果表明，照明效果值在0.01的明显水平，长期居住总人数与居住用地面积成正比，，即居住人口分布与总面积密切相关土地利用类型和土地利用类型内照明效果值。实物模型符合大城市居住人口移动的基本规律，即居住人口规模越大，住户占用地越大，活动越频繁。居住区内的光照值越高。这个模型可以将居住人口的离散传递到土地利用型居住区，符合人口空间分布和人类在空间内活动的具体特点，能够真实反映城市人口的空间布局和空间内的运动状态。[6]计算每个栅格数据中总人口的公式为（1.2）其中：Pijk为i市j类土地资源第k个像元的估计人口数；Ni为城市范围内的像元数；NLijk和DNijk分别为i市j类土地资源上的第k个像元的灯效区的总面积和光照强度。[7]1.2模型精度分析根据回归分析建模的结果来看，基于NPP-VIIRS夜间照明效果数据信息和京津冀综合人口数据，实体模型及拟合度如下：2015年拟合优度线性回归y=0.004978x-0.437429R^2=0.6299二次项回归y=5.603e-06x^2-3.189e-03x+1.412e+00R^2=0.7818三次项回归y=-6.585e-09x^3+1.970e-05x^2-1.140e-02x+2.624e+00R^2=0.800指数函数y=e^(0.00171x-0.61368)R^2=0.52512017年拟合优度线性回归y=0.004751x-1.060330R^2=0.6153二次项回归y=5.840e-06x^2-3.012e-03x+1.561e+00R^2=0.8135三次项回归y=-3.442e-09x^3+1.297e-05x^2-6.845e-03x+1.990e+00R^2=0.8187指数函数y=e^(0.001442x--0.183494)R^2=0.6006表1实体模型精度与土地资源利用类型相关的相关系数r如下：2015年多元回归分析显示与农用地相关系数r为0.09908498；草坪的相关系数r是0.3351648；灌木林的相关系数为0.005494505；森林的相关系数为0.3516484；湿地的相关系数为0.09340659；水体相关系数为0.478022；不透水面（城市用地的相关系数为0.8351648，裸地为-0.04395604。同样，2017年人口与耕地、草地、灌木林、森林、湿地、水体、不透水面、裸地的相关系数分别为0.2582418、-0.02197802、0.2197802、0.08241758、0.2032967、0.2032967、0.2032967、0.8296703、0.07142857。通过分析可知2015和17年的土地利用类型中不透水面和人口的相关显著性最高分别为0.8351648和0.8296703，草地，灌木林，湿地、裸地和人口的相关系数较低，相关系数能够揭示模拟变量的相关关系，基本符合人口分布在城镇土地的规律。1.3人口空间分布图利用2015年和2017年人口1Km数据，按掩膜提取出京津冀地区的人口数据，对研究区域插值方法进行选择，可供参考的方法有IDW反距离权重法、克里金插值：简单克里金法、全局多项式插值、全局代数插值，和年鉴数据对比，首先剔除GPI全局多项式插值，以为出现了负值，IDW更符合，选用IDW的数据进行克里金插值计算，克里金插值法的实际基本原理是：克里金法的应用领域是区域自变量具有室内空间相关性，即人口密度与夜间灯光面积和夜间灯光数量存在空间相关性，则可以使用克里金法进行插值或外推；否则，这是不可行的。考虑样本点的形状、大小和室内空间方向，与未知样本点的相互的对应空间位置关系，还有变异函数给出的结构信息内容，对未知样本点使用的一类具有无偏性的线性回归模型。[8]根据克里金插值法得到的京津冀地区2015年和17年的人口分布图如下：图1.3京津冀地区2015年人口分布图Fig1.3The