摘 要：相对于人口统计数据，人口空间分布数据更能反映人口的实际分布情况.本文以我国人口密集地区—山东省为研究区，在人口分布特征分区的基础上进行了人口空间数据化处理，并探讨了人口分布特征分区的效果和基于研究结果的山东省人口集中地区(Densely Inhabited District，DID)分布特征.结果表明：经过人口分布特征分区，各分区模型的调整R2均在0.9以上，人口空间数据总体平均误差值较分区前降低了14.58%，表明该方法在提高人口数据空间化模型精度的基础上能够展现人口空间分布规律.DID分析结果表明青岛市、烟台市、潍坊市、济南市、临沂市等城市有较强的人才、产业、资源的凝聚能力.
关键词：人口数据空间化；分区；DMSP/OLS；山东省；DID
人口问题关系着我国经济社会的可持续发展，掌握人口数据及其空间分布规律有着重要的现实意义[1].目前的人口数据是以基层行政区为单元，通过统计、普查、逐级汇总而得，这种统计数据空间分辨率较低，难以反映人口的实际空间分布[2].人口数据空间化是指按照一定的规则，采用合理的技术手段，将人口统计数据分配到统计单元内部一定尺寸规则格网的过程，其可较好地解决人口数据分辨率低的问题，获得更接近实际的人口分布情况[3].
勘探布置1孔，孔深15m。闸基高程5.8～6.8m主要为第②1层粉土，构成地基主要持力层，具中等压缩性，中等透水性，渗透稳定性较差。高程1.7～5.8m为第②层壤土、第③壤土，具中等压缩性，微弱透水性，强度较高。高程1.7m以下主要为第③1黏土层、第③壤土层，具中高压缩性，微弱透水性，工程地质相对较差。
一是构建项目成本核算体系。首先，依照作业成本法理论，建立以病人为中心的项目作业库。融入医院自身特色，进一步优化资源动因和作业动因，规范作业流程。建立时间技术难度风险系数算法模型（时间×工作量×技术难度×风险系数）计算作业成本更为合理，也更能体现劳动技术价值，对鼓励医院绩效考核具有指导意义，综合现实情况，更具说服力。
随着遥感(RS)和地理信息系统技术(GIS)的快速发展，采用遥感估算法对人口数据进行空间化是目前最为重要的手段之一[4].DMSP/OLS夜间灯光数据能够敏锐探测到小规模居住用地发出的低强度灯光，在监测人类夜间活动方面有其独特的优越性因而备受青睐[5].王钊等利用夜间灯光数据模拟了2012年江苏省人口密度[6]，李翔等基于夜间灯光数据和空间回归模型实现了上海市人口数据网格化[7].以上研究主要是根据夜间灯光辐射数据与人口分布的相关关系，构建回归模型，通过获取辐射数据的人口分布系数模拟人口分布情况，其不足之处在于没有考虑到不同区域人口分布特征和影响因素的差异[8].为了解决这一问题，有必要进行人口分布特征分区[9].鉴于此，本文以我国人口密集地区—山东省为研究区，基于土地利用数据、社会经济数据和DEM进行人口分布特征分区，之后利用DMSP/OLS夜间灯光辐射数据构建各分区回归模型，进而获取更高精度的人口空间数据，以此为基础，探讨山东省人口集中地区(Densely Inhabited District，DID)分布特征.
1研究区域、数据来源和研究方法
1.1区域概况
山东省位于我国东部沿海、黄河下游，地理位置为114°47′E-122°42′E，34°23′N-38°24′N，东西长721 km，南北长437 km，陆域面积15.58×104km2.属于暖温带季风气候，降水集中，雨热同季，春秋短暂，冬夏较长.全省共辖17个地级市137个县级单元.2013年全省总人口9733万人，平均人口密度为624人/km2，约为全国人口密度的4.3倍.
式中：P为某分区下第i县的统计人口数；k为夜间灯光强度系数；nli为该县的灯光强度值.考虑到某些无灯光区域(如水域)没有人口分布，因而将b设为0.
1.2数据源及预处理
2013年山东省人口空间化分布表明，济南、青岛、烟台等发达城市部分市辖区人口数量明显高于一般区县，且市中心区域集聚了大量人口，离市中心区域越远，人口数量越少.对于一般区县而言，县中心区域集聚了大量人口，离县中心越远，人口分布也越少.这种结果符合实际情况，且体现了人口分布在空间上的差异性和集聚性，因此成果可以用来反映实际的人口分布规律.与人口统计数据相比，成果比较直观且空间分辨率较高，因而可以为制定区域人口、经济、生态和社会发展政策提供数据支撑.
所有数据统一投影至Krasovsky_1940_Alebers坐标系下，并裁剪到研究区范围.利用ArcGIS空间分析功能，统计出各县级单元夜间灯光强度之和、各类土地利用比例、平均高程等.
表1 数据来源及主要参数
数据类型年份数据来源比例尺/分辨率土地利用数据2013国家地球系统科学数据共享服务平台100 m×100 mDMSP/OLS(F182013)2013http://www.ngdc.noaa.gov1 km×1 km(重采样后)DEM-地理空间数据云30 m×30 m县级行政区划2013国家地球系统科学数据共享服务平台1∶40万人口与经济统计数据2014山东省各地级市统计年鉴-
1.3研究方法
1.3.1 人口分布特征分区
人口分布特征分区可以将具有相似人口空间分布特征和影响因素的区域划分到同一个区，便于分区构建人口数据空间化模型.选取了与人口分布密切相关的人口密度、GDP密度、高程、耕地面积比例、建设用地面积比例等多个指标；基于指标对137个县级单元进行聚类分析，最终得到5个人口分布特征分区(表2).分区1包含6个人口密集且经济发达市辖区，其人口密度、GDP密度及建设用地面积比例远高于其他地区，平均高程低于其他地区.分区2包含28个县级单元，其人口密度、GDP密度、建设用地面积比例处于较高水平.分区3、分区4和分区5，人口密度、耕地面积比例、建设用地面积比例相当，但GDP密度存在明显差异.
表2 分区指标统计表
分区县级单元个数人口密度/(人·km-2)GDP密度/(万元·km-2)平均高程/m耕地面积比例/%建设用地面积比例/%168057.3594386.1551.7811.6176.762281155.6910003.5071.0749.3732.79338561.263863.9591.2263.0817.03434582.672119.5561.0973.3317.01531583.841677.8897.5769.8113.94
表4为青岛省各城市DID指标统计表.青岛市、烟台市、潍坊市、济南市、临沂市的DID总面积较大，居于山东省前5位，其中青岛市作为山东省经济中心，DID总面积、最大DID面积、DID比例三项指标均位居首位，反映了青岛较强的人才、产业、资源的凝聚能力；济南市作为山东省政治中心，虽然其DID总面积仅居第四位，但其最大DID面积、DID比例仅次于青岛市，明显领先于其他地级市，反映了其较强的发展潜力；临沂市作为山东省第一人口大市、鲁东南地区中心城市、商贸物流中心，其DID总面积也较大.淄博市、济宁市、滨州市、威海市、德州市、日照市、东营市的DID总面积、最大DID面积、DID比例均局于中游水平，表明这些城市存在一定的发展潜力.菏泽市、聊城市、泰安市、枣庄市、莱芜市的DID总面积较小，其中菏泽市虽然人口数居于山东省第三位，但DID比例全省最低，应发挥人口总量对DID增长的促进作用；枣庄市的最大DID位于其下辖县级市(滕州市)，表明其中心城区在DID发展方面弱于滕州市，应积极推动其中心城区的发展.
本文对每个分区单独构建人口与夜间灯光辐射的线性回归模型，进而模拟人口空间分布.模型公式如下：
Pi=k×nli+b
(1)
急性脑血栓作为一种临床非常多见的急性脑血管病症,起病较急,并且患者在发病后会出现不同程度的运动障碍,导致患者出现伤残,对患者的生活带来很大影响。脑血栓病症的出现于动脉粥样硬化斑块的出现有关,同时血流速度有所减慢,血液稠滞,血液中会出现脂质的聚集,从而形成血管壁血栓。
2人口数据空间化结果分析
2.1误差分析
即使个人拥有有关教育水平的所有决定因素的信息，然而仍难以估计他们对学生的影响。例如生产函数没有考虑决策者的投入，而决策者可能有他们自己的兴趣、利益，而这些兴趣、利益可能不和他们学生的兴趣、利益一致。如果个人没有注意这些兴趣、利益，可能会影响课程设置和教师工资，可能在学校和教师中引发无意识的反应，从根本上影响某些群体或学生的最优学习结果。
表3 分区前后各分区误差统计
分区误差绝对值县级单元个数≤20%20%-40%≥40%N∗Y∗NYNY调整R2NY平均相对误差/%NY11221330.810.9336.7524.9027112111960.790.9442.9122.363914111218120.840.9630.7218.67413168111370.860.9428.2720.9154129718120.770.9244.7924.06
注：N*表示为分区前；Y*表示分区后
2.2空间分布分析
本研究采用的数据包括土地利用、DMSP/OLS夜间灯光、DEM、县级行政界线、人口与经济统计数据(表1).其中，土地利用数据由国家地球系统科学数据共享服务平台提供，主要包含耕地、林地、草地、水域、建设用地与未利用地6个一级土地利用类型，分辨率为100 m×100 m；在此数据基础上，生成1 km土地利用成分栅格数据.DMSP/OLS夜间灯光采用美国国家地球物理数据中心(NGDC)的F182013产品，其灰度值范围为0-63.DEM数据由地理空间数据云提供，分辨率为30 m×30 m.行政边界数据国家地球系统科学数据共享服务平台提供，比例尺为1∶40万.人口与经济统计数据来自2014年山东省17个地级市统计年鉴.
DID是日本用来指人口密度为4000人/km2以上的调查区或市区町村内互相邻接、合计人口在5000以上的调查区.在我国，与日本DID对应的为建成区，是指城市建设连片，基础设施和公用设施到达的地区.对比两个概念可知，建成区主要针对城市规划建设而言，DID主要针对人口分布而言.前者有我国“城乡二元结构”的烙印，这是因为建成区附近有大量村庄(“城中村”)实际上已经具有城市特征，但却没有计入建成区范畴，而后者可以有效解决上述问题，且能够解释诸如“鬼城”等不合理的城市化现象.因而《中国城市综合发展指标2017》引入了DID的概念，并基于我国的人口分布特点，认为其为“人口密度在5000人/km2以上的地区”.
2.3DID分析
海西运动后，地壳开始缓慢下降，到中石炭世开始接受沉积。在海水作用下，风化壳中富含铁的物质在海水冲刷作用下呈悬浮或胶体形式被搬运到附近低洼地带，铁质因比重大最先沉积下来，在相对开阔的氧化环境形下，形成山西式铁矿。经后期风化淋滤作用，铁矿进一步富集。
1.3.2 人口数据空间化方法
以县级行政区划为单元，统计人口分布特征分区前、分区后的各误差值范围内的县级单元个数、模型调整R2、平均相对误差，结果如表3所示.表3表明，分区后，各分区的平均相对误差较分区前分别降低了11.85%、20.55%、12.05%、7.36%、20.73%.绝对值≥40%的县级单元个数除分区1保持不变外，其余4个分区明显减少，所占全部县级单元的比例由分区前的51.82%降低到29.20%；绝对值≤20%的县级单元个数由分区前的34个增加到55个，所占全部县级单元的比例由分区前的24.82%增加到40.16%.对整个区域而言，平均相对误差由分区前的36.05%降低到21.47%，即分区后平均相对误差降低了14.58%.在山东省137个县级单元中，共有89个县级单元的平均相对误差绝对值数值得到降低，比例达到64.96%.另外，分区后各分区的模型调整R2均高于0.9，与分区前相比，均有明显提高.这表明人口分布特征分区明显提高了人口数据空间化结果的精度.
表4 山东省各城市DID指标统计表
统计人口/(万人)DID总面积/(km2)最大DID面积/(km2)DID占比/(%)济南市699.88800.35697.9210.09青岛市896.411237.40758.0111.41淄博市459.26542.90480.079.10枣庄市380.10217.1679.225.03东营市208.49310.72187.115.45烟台市698.93983.34614.607.07潍坊市922.52932.15314.135.89济宁市820.58508.07180.974.77泰安市556.83225.35139.992.98威海市280.56386.52211.706.56日照市285.05341.45192.586.61莱芜市133.27128.3889.465.82临沂市1015.90714.31490.324.34德州市567.11372.18175.503.60聊城市591.13252.67104.482.98滨州市380.59411.78174.144.48菏泽市836.79273.16128.382.38
3 结 论
本文以我国人口密集地区—山东省为研究区，基于土地利用数据、社会经济数据和DEM进行人口分布特征分区，之后利用DMSP/OLS夜间灯光辐射数据和线性回归模型进行各分区的人口数据空间化处理，进而探讨了人口分布特征分区的效果和基于研究结果的山东省DID分布特征.结果表明：
(1)经过人口分布特征分区，超过60%县级单元的平均相对误差绝对值得到降低，相对误差值小于20%的县级单元个数比例由分区前的24.82%增加到38.69%，相对误差值大于40%的县级单元个数比例由分区前的51.82%降低到29.20%，且模型的调整R2值明显提高，这表明人口分布特征分区能够明显提高人口数据空间化结果的精度.
(2)人口空间化分布结果表明市中心和县中心集聚了大量人口，体现了人口分布在空间上的差异性和集聚性.
(3)DID分析结果表明青岛市、烟台市、潍坊市、济南市、临沂市的DID总面积较大，反映了它们较强的人才、产业、资源的凝聚能力；菏泽市、聊城市、泰安市、枣庄市、莱芜市的DID总面积较小，表明这些城市具有一定的发展潜力.
针对未来全球油气开发趋势，赵喆认为，伴随着国际油价上升，油气行业的投资将稳定回升，前期因低油价而延期的重点产能建设项目的投资亦将逐渐恢复。国际石油公司未来的发展将主要聚焦于油气热点和优势领域，例如深水、天然气；在北美地区主要聚焦于非常规资源的持续稳定上产，例如致密油和页岩气。与此同时，国际石油公司将根据自身的核心战略和技术优势选择不同发展方向，资产并购和剥离将会更加频繁，以优化和完善资产组合。未来全球油气产量将呈现稳中向上的态势，在未有大规模储量发现的条件下，各项开发指标将保持合理的规模和比例。
致谢：感谢国家科技基础条件平台-国家地球系统科学数据共享服务平台(http://www.geodata.cn)提供数据支撑.
参考文献：
[1]于欣鑫,马安青,邢容容,等.青岛地区人口密度空间化模拟[J].中国海洋大学学报(自然科学版),2015,45(8):97-102.
[2]陈晴,侯西勇.集成土地利用数据和夜间灯光数据优化人口空间化模型[J].地球信息科学学报,2015,17(11):1370-1377.
[3]陈晴,侯西勇,吴莉.基于土地利用数据和夜间灯光数据的人口空间化模型对比分析——以黄河三角洲高效生态经济区为例[J].人文地理,2014,29(5):94-100.
[4]杨续超,高大伟,丁明军,等.基于多源遥感数据及DEM的人口统计数据空间化——以浙江省为例[J].长江流域资源与环境,2013,22(6):729-734.
[5]高倩,阿里木江·卡斯木.基于DMSP/OLS夜间灯光数据的天山北坡城市群人口分布空间模拟[J].西北人口,2017,38(3):113-120.
[6]王钊,杨山,刘帅宾.基于DMSP/OLS数据的江苏省城镇人口空间分异研究[J].长江流域资源与环境,2015,24(12):2021-2029.
[7]李翔,陈振杰,吴洁璇,等.基于夜间灯光数据和空间回归模型的城市常住人口格网化方法研究[J].地球信息科学学报,2017,19(10):1298-1305.
[8]黄耀欢,杨小唤,刘业森.人口区划及其在人口空间化中的GIS分析应用——以山东省为例[J].地球信息科学学报,2007,9(2):49-54.
[9]王珂靖,蔡红艳,杨小唤,等.基于城镇居民用地再分类的人口数据空间化方法研究——以长江中游4省为例[J].遥感技术与应用,2015,30(5):987-995.
ModelingthepopulationdensityofShandongprovincebasedonpopulationregionalization
DU Chenchang, HE Xian
(Qingdao Urban Planning & Design Research Institute, Qingdao 266071, China)
Abstract：Compared with the statistical population data at administrative regions, spatial distribution of population data can reflect the actual distribution of the population better. Taking Shandong Province as the sample, based on population regionalization, spatialization of statistical population was conducted, the precision of the spatial distribution of statistical population data was discussed, and densely inhabited district(DID) of Shandong Province was analyzed. The results showed that after population regionalization, R2 of partition models were higher than 0.9 and the overall average relative error reduced 14.58% compared with before population regionalization. It indicated that the population regionalization method can improve the accuracy of spatialization of statistical population to reveal the actual distribution regularity of population . The results of DID analysis showed that Qingdao, Yantai, Weifang, Jinan, Linyi had stronger capacity on unity for talent, industry and resources.
Keywords：spatialization of statistical population; regionalization; DMSP/OLS; Shandong province; DID
收稿日期：2019-01-03
基金项目：山东省住房城乡建设科技计划项目“人口数据空间化建模及其在城市规划中的应用”(2018-R1-16)；2018年度青岛市社会科学规划项目“基于大数据的青岛市城市功能空间研究”(QDSKL1801273)
作者简介：杜臣昌(1987—)，男，山东济宁人，青岛城市规划设计研究院工程师，博士，主要从事城乡发展与区域规划方面的研究.
中图分类号：P208
文献标识码：A
文章编号：1672-3600(2019)12-0035-04
[责任编辑：徐明忠]
标签：人口论文; 数据论文; 分区论文; 山东省论文; 空间论文; 社会科学总论论文; 人口学论文; 世界各国人口调查及其研究论文; 《商丘师范学院学报》2019年第12期论文; 山东省住房城乡建设科技计划项目“人口数据空间化建模及其在城市规划中的应用”(2018-R1-16) 2018年度青岛市社会科学规划项目“基于大数据的青岛市城市功能空间研究”(QDSKL1801273)论文; 青岛市城市规划设计研究院论文;