摘要：本文基于NPP/VIIRS夜间灯光数据结合辽宁省14市2012年的人口数据，分析了夜间灯光数据与辽宁省各市人口之间的相关关系，并通过构建回归模型模拟2017年辽宁省各市人口，拟合结果与2017年真实人口进行精度比较。结果表明：（1）夜间灯光数据与人口存在较为明显的相关关系，其中沈阳和大连两市夜间灯光指数最大，对应两市人口最多。（2）各市拟合人口与真实人口存在大小不等的误差。其中盘锦市由于其地下资源丰富，因此拟合结果误差最大。
关键词：夜间灯光数据；相关性；回归分析；辽宁省
引言
人口是影响社会发展的重要因素之一。自改革开放以来，我国城市迅速发展，大量乡村人口涌入城市，这就导致我国人口出现分布不均匀的现象。与此同时，人类生存需要的自然资源越来越多，资源消耗过快，耕地锐减，资源枯竭等一系列环境问题油然而生。由此看来，人口的快速增长与迁移对自然环境和社会发展都会造成压力[1]。因此，研究人口的空间分布对于生态环境与自然资源的可持续发展和城市格局的快速扩展与演变等课题具有重要的意义。
该文从构造特征、沉积体发育规模、储层孔隙度下限等地质特征入手，分析该油田的不确定性因素，并确定其分布范围，以地质模型为载体，分析其对储量的影响，开展不确定性分析，确定储量分布的P10，P50，P90(一个油田的储量分布符合正态分布，P50指最可能出现的值，出现概率最大，也叫推荐值；P10和P90出现概率较小，P10代表储量低值也叫悲观值，P90代表储量高值也叫乐观值)。
目前，我国人口数据的获取方式主要为人口普查、人口抽查和典型调查。通过这几种方式获得的人口数据虽然比较系统可靠，但是工作量大，需要耗费大量的人力、物力资源，而且难以及时地反映人口的分布[2]。近年来，夜间灯光数据常用来分析城市化水平、城市经济发展、人口变迁等方面。Zeng等人利用DMSP/OLS夜间灯光数据对人口进行空间化，发现通过此方法对人口进行空间化结果更加准确和详细[3]。Huang等人建立最佳回归模型来讨论夜间灯光指数与城市人口的关系，提供了一种有效的方法来获得相对准确的城市人口数据[4]。吴健生等人以京津冀地区为例，运用夜间灯光数据结合反映人口活动的自然和社会的相关因子对人口进行空间化。为未来人口数据在自然和经济角度的研究奠定基础[5]。王利、赵宇等人利用土地利用数据和NPP/VIIRS夜间灯光数据通过构建格网对大连市人口进行空间化，研究表明两种数据都可以用来模拟区域人口[6]。
综上研究，夜间灯光数据结合GIS技术被广泛应用，成为现阶段的研究热点。然而现有研究大部分是以DMSP/OLS为研究数据对人口进行分析论证，对NPP/VIIRS数据研究相对较少。并且NPP/VIIRS数据的空间分辨率为500米相比与DMSP/OLS数据精度更高，应用在市级相关方面的研究结果更可靠。本文以辽宁省各城市为研究区，通过构建线性函数回归模型来研究人口与NPP/VIIRS夜间灯光之间的相关关系，进而对辽宁省人口进行模拟。本文研究夜间灯光指数与人口之间的相关关系，可以在一定程度上缓解人口数据获取困难和不及时的问题，为未来研究人口问题提供了一些思路。
1 数据来源与方法
1.1 研究区与数据
辽宁省（118°E-125°E，38°N-43°N）地处我国东北部，全省总面积约14.8万平方千米，占全国总面积的1.54%。据统计，2012至2017年，全省总人口共减少48.3万人，约减少了全省总人口的1.138%。其中辽宁省内只有沈阳市、大连市和盘锦市三市的人口数量呈增长趋势，其余十一个市人口数目都在不同程度上呈下降趋势。其中两个副省级城市—沈阳市和大连市人口密度较大，两市人口总数约占全省人口总数的31.73%，其余城市人口密度相对较小且差距不大。数据来源见表1。
1.2 研究方法
1.2.1 Pearson相关性分析。根据辽宁省各城市人口数据与夜间灯光数据分析二者之间的相关性（式1），得到R，计算公式如下：
表1 数据来源与说明
?
图1 辽宁省人口分布
由辽宁省统计年鉴可得，辽宁省2012年总人口约为4244.8万人，2017年全省总人口为4196.5万人。五年内，全省人口总数呈下降趋势，由图1可以看出，沈阳、大连、盘锦人口数量在增长，但是涨幅不大。其余各市人口都呈负增长趋势，其中锦州、抚顺和铁岭三市人口流失较为明显。
1.2.2 利用夜间灯光数据统计市单元人口回归建模。夜间灯光数据与统计人口通过线性函数进行人口空间化并得到500m分辨率的人口空间分布数据 [7]，计算公式如下：
对于当下中国家电行业的发展形势和对未来的展望，奥维云网（AVC）副总裁郭梅德表示，在过去的三十年里，家电的发展经历了普及增长期、政策扶持期、消费升级期三个阶段。在“天时”、“地利”不再的市场情势下，市场比拼的焦点逐渐转向“人和”。“因此，在新的时期，谁能更清楚洞察消费者的需求，谁能提供迎合他们需求的产品，谁能摸索出最受消费者青睐的推广方式，谁才能在竞争激烈的家电市场中立于不败之地！”
popc是市级人口数，k回归系数是市级灯光指数之和；b为常数。
在《相爷》第一课时教学中，我以预习中令大多数学生印象深刻的相爷“脾气好”为切入口，教学第三自然段，并总结出四步教学法，即“悟：相爷给你留下了什么印象。读：用自己的方式读课文。想：写了和相爷相关的什么内容或者是什么事情。品：抓关键之处写写感受。”要求学生用“四步学习法”学习课文的第2、4、5、6自然段，给学生充分的时间读书思考。
2 结果与结论
2.1 2012-2017年人口变化
根据辽宁省2012年、2017年人口数据，定量分析辽宁省14个市五年来的人口分布（图1）。
R是相关系数，xi是夜间灯光数据，yi为人口数，N是像元数。
2.2 基于灯光指数人口模拟
2.2.1 相关性分析。对辽宁省2012年的夜间灯光数据进行统计（图2），沈阳市和大连市区域灯光指数较高，沈阳和大连两市是辽宁省的副省级城市，城市较发达，人口聚集度高，因此两市夜间灯光亮度大。反之可得阜新市、丹东市和铁岭市夜间灯光指数较小。对二者进行相关性分析，得到R=0.87，说明夜间灯光指数与辽宁省各城市人口相关程度较大。
看着孩子如释重负的样子，我在心底也长长舒出一口气。同事找你帮忙，是因为信任你，而学生信任你，才愿意接受你。一位合格的、纯粹的教师，是心中有爱的，是能够得到学生信任的，是内心温暖，同时又能使学生感受到温暖的。
图2 2012年辽宁省夜间灯光亮度总值
2.2.2 夜间灯光指数与人口数量回归分析。对辽宁省2012年人口数据与夜间灯光数据进行回归分析（图3），发现R2=0.7526，说明本文采用的模型较为可靠。运用2017年的夜间灯光指数与人口数来验证这一模型，发现辽宁省各市通过夜间灯光指数得到的人口与真实人口较为拟合，但各市人口模拟的结果出现大小不等的误差。除盘锦市和朝阳市误差较大外，其余12市拟合结果均较好。其中，误差最大的盘锦市模拟结果与真实人口数量相差164.072万人，其原因是盘锦市地下石油和天然气储藏丰富，会对卫星采集到的夜间灯光数据产生影响。因此，在通过夜间灯光数据模拟人口时，要结合实际情况。例如，应用夜间灯光数据来研究类似盘锦市人口分布问题时，效果并不显著，应从其他因素着手讨论。
图3 人口与夜间灯光数据的关系
3 讨论
本文采用NPP/VIIRS夜间灯光数据来研究人口，由于此数据相对较新，虽然解决了DMSP/OLS数据的过饱和现象，但在数据的处理上，可能还存在一些不可预见的问题。由于本文是研究夜间灯光数据与市级人口之间的相关关系，在接下来的研究中，可以讨论对于NPP/VIIRS数据的预处理问题，并从乡县级来建模，研究夜间灯光数据与乡县级人口之间的关系。
参考文献：
[1]高义，王辉，王培涛，等.基于人口普查与多源夜间灯光数据的海岸带人口空间化分析 [J].资源科学，2013，35（12）：2517-2523.
[2]赵利利，孟芬，马才学.基于多源遥感数据的武汉市人口空间分布格局演化[J].地域研究与开发，2016，35（03）：165-169.
[3]ChuiqingZeng,YiZhou,Shixin Wang,etal.Population spatialization in China based on night-time imagery and landuse data[J].International Journal of Remote Sensing,2011,32(24):9599-9620.
[4]Huang Qingxu,YangYang,LiYajing,et al.A Simulation Study on the Urban Population of China Based on Nighttime Light Data Acquired from DMSP/OLS[J].Sustainability,2016,8(6).
[5]吴健生，许多，谢舞丹，等.基于遥感影像的中尺度人口统计数据空间化——以京津冀地区为例[J].北京大学学报（自然科学版），2015，51（04）：707-717.
[6]赵宇，王利，李欣欣，等.基于NPP/VIIRS夜间灯光和土地利用的大连市人口空间化研究 [J].资源开发与市场，2018，34（10）：1372-1376.
[7]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.
Study on population simulation based on NPP/VIIRS night light
GUO Xiao-ying
(School of Urban and Environment,Liaoning Normal University,Liaoning Dalian 116029,China)
Abstract:Based on the NPP/VIIRS nighttime lighting data and the 2012 population data of Liaoning province,this paper analyzes the correlation between nighttime lighting data and the population of Liaoning province,and builds a regression model to simulate the population of each city in Liaoning province in 2017.The results were compared with the accuracy of the 2017 real population.The results indicate that there is an apparent correlation between the nighttime lighting data and the population.Among them,Shenyang and Dalian have the largestnighttime light index,which corresponds to the largest population in the two cities.There is an error between the fitted population and the real population of every city more or less.Among them,Panjin city has a large error in fitting results due to its rich underground resources.
Key words:Nighttime light;Correlation;Regression analysis;Liaoning province
中图分类号：TP79
文献标识码：A
文章编号：1003-7853（2019）03-0056-03
作者简介：郭晓莹（1997-），女，辽宁师范大学，本科生，研究方向为城市地理信息系统应用。
（2019-2-25收稿 刘晓佳编辑）
标签：人口论文; 数据论文; 夜间论文; 灯光论文; 辽宁省论文; 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; 《国土与自然资源研究》2019年第3期论文; 辽宁师范大学城市与环境学院论文;