基于聚落的人口统计数据空间分解算法

作     者：李艳成 温佩璋 刘劲松 Li Yancheng;Wen Peizhang;Liu Jinsong

作者机构：河北师范大学地理科学学院河北石家庄050024 河北省环境变化遥感识别技术创新中心河北石家庄050024 河北师范大学地理计算与规划研究中心河北石家庄050024 河北省环境演变与生态建设重点实验室河北石家庄050024 

基　　金：国家自然科学基金项目(42071167,40871073) 第二次青藏高原综合科学考察研究(2019QZKK0406) 河北省自然科学基金项目(D2007000272) 河北师范大学重点发展基金项目(L2024ZD07)资助 

出 版 物：《地理科学》 (Scientia Geographica Sinica)

年 卷 期：2024年第44卷第7期

页      码：1196-1205页

摘      要：利用人口密度随机森林模型探讨人口密度与影响因子之间的非线性关系,是当前人口分布研究的前沿,但人口统计数据在空间分解过程中非正规约束下的最优输运问题尚未妥善解决。本文基于面积加权法,以矢量格式的村人口数据集为起点,以矢量格式的聚落和公顷网格数据集为约束,设计了一套顾及聚落分布的人口统计数据空间分解算法。通过将村常住人口数据依次分解至聚落和公顷网格之中,获得了栅格人口密度数据集(SJZ_RK)。分析表明,SJZ_RK数据集的人口总数为1039.60万人,仅产生0.04%的误差,说明本文提出的人口统计数据空间分解算法具有较高准确度。经测算,SJZ_RK数据集的人口分布基尼系数(0.8909)>GHS_POP(0.8548)>SJZ_CUN_RK(0.5898)>GPWv4(0.5897),说明考虑聚落分布状况的SJZ_RK数据集很好地刻画了人口分布的空间集聚和异质性特征,为构建人口密度随机森林模型等监督类机器学习模型训练样本提供了高质量的人口密度标签数据。在刻画非聚落区、城市聚落区、值域范围方面,SJZ_RK数据集更接近实际情况,其在前两方面优于GHS_POP数据集,其在这3个方面均显著优于SJZ_CUN_RK和GPWv4两个数据集。本文算法破解了2个难题:①优化了获取高精度栅格人口密度数据集的计算程序,实现了相对准确的人口分布离散化表达;②统一了人口密度标签数据和影响因子数据的粒度,从而为人口密度随机森林模型训练样本摆脱MAUP的困扰,为克服人口密度随机森林模型的区群谬误问题,创造了必要条件。

主 题 词：人口密度 面积加权 分解算法 聚落 

学科分类：060201[060201] 12[管理学] 120203[120203] 1202[管理学-工商管理类] 06[历史学] 07[理学] 070502[070502] 0705[理学-地理科学类] 0602[0602] 

核心收录：

D　O　I：10.13249/j.cnki.sgs.20221123

馆 藏 号：203128761...