刘艳姣:基于NPP/VIIRS夜间灯光数据的黄淮海地区城乡常住人口格局模拟论文

刘艳姣:基于NPP/VIIRS夜间灯光数据的黄淮海地区城乡常住人口格局模拟论文

摘要:以黄淮海传统农区为研究区,利用NPP/VIIRS夜间灯光数据、土地利用数据和人口统计资料,基于城乡人口活动状态及其空间特征,构建城乡常住人口空间化模型,模拟区域城乡常住人口分布,探究城乡人口空间格局特征。结果表明:基于NPP/VIIRS夜间灯光数据和土地利用数据构建的人口空间化模型,拟合优度为0.80,精度检验平均误差为15.6%,模拟精度高,适用性较好;模拟结果能够直观反映黄淮海地区人口集疏特征及县域城乡常住人口分布差异特征,真实展现局地微观尺度城乡常住人口实际分布状况;黄淮海地区城乡常住人口在空间上呈现“总体差异显著、局地内部均衡”的特征,区域尺度上城市地区集聚显著,局地尺度上县域和乡镇内部人口分布相对均衡。模拟结果可为区域城镇村空间布局优化和城乡公共服务设施配置提供参考。

关 键 词:常住人口空间模拟;NPP/VIIRS夜间灯光数据;城乡发展格局;黄淮海地区

0 引言

伴随着中国经济社会转型和工业化、城镇化的快速发展,农村人口快速向城镇集聚,农村人口持续减少,城镇人口不断聚集,城乡人口格局发生了根本性变化[1]。实施乡村振兴战略,推进城乡融合发展,需要及时、准确地获知城乡常住人口分布格局及其动态情景。当前获取城乡常住人口空间分布信息的方式主要有:(1)基于人口普查和5%抽样调查数据以及公安部门人口登记等。普查数据和公安人口登记数据属于官方数据,具有很强权威性,但数据获取周期较长,空间分布信息不详细,人口普查公布数据最小单元为乡镇单元[2-5]。(2)实地调查获取。通过典型地区抽样调查估算城乡常住人口,适用于小尺度的调查,区域尺度人口数据调查成本高,精度也难控制。(3)基于地理点位数据的常住人口密度估计。如利用ICT、POI等地理点位数据估算社区或区域居住人口分布[6-8],但由于乡村地区信息化水平相对较低,对乡村人口模拟精度低。随着GIS和RS技术的快速发展,融合多源遥感数据进行人口空间化模拟已经成为区域经济社会活动分析的重要数据来源,其中以夜间灯光作为主要指示因子的人口空间格局模拟得到了广泛应用。基于DMSP/OLS 夜间灯光数据的人口空间化模拟具有数据量小、综合性强等优势,在模拟区域和城市人口空间分布中广泛应用[9]。但由于存在空间分辨率较低、像元过饱和且溢出现象[10]等问题,模拟结果出现城市人口虚增,难以真实反映小城镇和农村居民点等非城市地区人口分布特征。2011年美国宇航局成功发射Suomi NPP卫星,其携带的可见光近红外成像辐射仪(visible infrared imaging radiometer suite, VIIRS)传感器能够捕捉更加微弱的灯光源,具有更高的空间分辨率和更宽的辐射探测范围,解决了DMSP/OLS像元过饱和问题,提高了夜间灯光数据的质量和辨识度[11]。作为一种较高空间分辨率、高时间分辨率和宽辐射探测范围的新型灯光数据源,NPP/VIIRS在反演更为细致的人类活动分布方面具有巨大的潜力[12-13]。VIIRS夜间灯光数据可在更小尺度上精确地反映夜间灯光与社会经济变量之间的关系[14-15],可提高经济社会变量的空间模拟精度。

本研究以黄淮海地区为研究区,基于NPP/VIIRS夜间灯光影像和土地利用数据,探析城乡常住人口分布与灯光指数、土地利用类型之间的相关关系,构建城乡常住人口空间分布离散化模型,模拟分析城乡常住人口空间分布格局,基于常住人口空间分布解析黄淮海地区城-镇-村城乡人口空间格局特征,为合理配置城乡要素资源、优化城乡空间结构提供参考。

1 区域与数据

1.1研究区域

黄淮海地区在行政上包括山东全部,北京、天津、河北和河南的大部,以及安徽与江苏两省的淮北地区,共359个市县,是我国综合经济实力最强的地区之一,也是《国家新型城镇化规划(2014—2020年)》确定的城镇化重点发展地区。黄淮海地区是我国典型的传统农区,总人口达3.1亿,其中乡村人口1.8亿,平均人口密度为全国平均人口密度的5倍,是我国人口主要聚集分布区。黄淮海地区正处于城镇化快速发展阶段,城乡人口流动频繁,农村空心化现象较为普遍[16],需要快速准确获取人口空间分布状态。同时,黄淮海地区地势平坦、村庄植被盖度相对较低,灯光影像受气象因素或地表覆盖影响较小且具有相对较好的同质性,是理想的研究试验区。

1.2数据来源

2015年12个月度NPP-VIIRS夜间灯光数据来源于https://www.ngdc.noaa.gov/eog/viirs/download_monthly.html。土地利用数据来源于中国科学院资源环境科学数据中心的遥感土地利用解译数据(2015年),该数据将土地利用类型划分为6个一级类和25个二级类[17]。常住人口统计数据来源于2016年《中国县域统计年鉴(乡镇卷)》以及各地区2015年1%人口抽样调查数据。

1.3数据预处理

1.3.1 NPP-VIIRS灯光数据。① 投影变换:对2015年月度NPP/VIIRS无云平均辐射合成图像进行裁剪、投影和坐标变换,将空间数据统一转换到WGS-84坐标系。② 噪声处理:采用阈值法,设定北京夜间灯光数据作为整个研究区夜间灯光有效值的阈值,通过八邻域窗口平滑方法对影像噪声进行处理[18],去除与火灾、气体火光、火山或极光相关的短时光数据以及由白雪覆盖或干涸的湖床反射的弱光的背景噪声[19]。③ 年度影像合成:使用年内平均值法合成处理后的月度灯光影像,生成2015年度NPP/VIIRS夜间灯光数据。④ 重采样处理:对灯光栅格数据进行重采样,输出栅格单元大小为30 m×30 m。

区域常住人口总是在一定范围内活动,并保持一定的活动频度或强度,其空间活动呈现较强的规律性特征。因此,可以根据常住人口空间活动的范围及其活动强度来预测模拟常住人口的空间分布格局。本研究尝试利用夜间灯光数据和土地利用数据,构建常住人口空间分布模拟模型。夜间灯光主要来源于居民家庭照明灯光、交通干道路灯、工厂照明灯光、城市景观灯光等。夜间灯光影像值的大小可以直接反映人类生产生活活动的强弱程度,是人口空间化建模的理想数据源之一[20-21]。对黄淮海地区各县域常住人口密度与NPP/VIIRS夜间灯光平均值进行相关分析,县域人口密度与平均灯光值呈显著的正相关关系(图1),模型拟合优度(R2)由大到小依次为多项式模型、线性模型、幂指数模型,分别为0.810 1,0.763 6,0.516 4。土地利用是人类活动的一面镜子,不同的土地利用类型可以反映人类生产、生活活动空间的分布特征。采用Spearman相关系数测度黄淮海地区现常住人口与各土地利用类型面积的相关性,与城乡居民用地、耕地、林地、草地、水域、未利用地面积的相关系数分别为0.691,0.462,0.296,0.165,0.250,0.080,表明土地利用类型与常住人口分布密切相关。其中,城乡居民用地、耕地与常住人口分布相关性较强,林地、水域和草地与常住人口分布相关性较弱,除未利用地外,其他类型均通过1%水平检验。

式中:Pi为第i个县统计人口数;Po为常数;m为土地类型数;NLij,DNij分别为第i个县第j种土地利用类型上的灯光区面积和灯光强度;aj,bj为回归系数。

1.和初一相比,初二的知识内容要深得多、难得多,虽然没有升学的压力,但在学习方面仍然面临着巨大挑战。很多人会因为无法适应出现学习吃力的情况,上课听不懂、跟不上,时间一长甚至会破罐子破摔了。

2 模型构建

2.1模型依据

(4)河南省旅游经济网络的发育是多种影响因素综合作用的结果,其中与旅游发展能力、经济发展水平、区位交通条件和科学技术水平等因素有着较强的相关性,而邮电通信水平对旅游经济联系的影响具有波动性。此外,旅游资源禀赋、固定资产投资、科研人员与专利申请等因素在旅游经济网络发育前期具有积极的促进作用,但影响力在逐渐下降,而旅游服务设施、旅游信息流、人均GDP和区位指数等因素对旅游经济网络结构的完善具有显著的影响,并且这种影响力有不断提高的趋势。

相关调查结果显示,我国90%以上的河流污染情况较为严重,并且由此引发了厌氧与富氧等问题。城市河流本身具有一定的抗污染能力,但如果污染物含量超出其承受范围,会导致河流中的生态结构受到破坏,长此以往,城市水环境会严重失衡。目前,城市水环境治理工作已经引起了政府的重视,各种城市水环境治理策略逐渐被应用到实践工作中,而水体修复技术也在不断发展。

图1 黄淮海地区常住人口密度与平均夜间灯光指数相关关系

Fig.1 Relationship between resident population density and average nighttime light intensity in Huang-Huai-Hai area

2.2模型表达

假设某一区域内常住人口数量与该区域常住人口的活动范围和活动强度相关,用土地利用类型来反映常住人口的活动范围,用不同用地类型的夜间灯光值表征该用地类型上常住人口活动强度,构建区域常住人口模拟模型。以各区县常住人口数作为因变量,以各区县在不同土地利用类型灯光区面积和灯光强度DN值为自变量,建立逐步回归分析模型,求解模拟参数。模型为:

1.3.2 土地利用与统计数据。① 土地利用分类合并:将土地利用遥感解译数据的利用类型归并为耕地、林地、草地、水域、城乡居民用地、未利用地六类,土地利用为栅格数据,分辨率为30 m×30 m。② 人口统计数据空间化:选用黄淮海地区359个市县的常住人口人数及抽样乡镇常住人口数据,与县域和乡镇行政单元关联,获得县域和乡镇单元的人口空间分布信息。

对模拟初步结果进行校正和优化,并用县域常住人口统计数据控制模拟误差,得到城乡常住人口分布最后模拟结果[22]。公式为:

3.2.1 城乡常住人口分布的总体特征(图2)。① 城乡常住人口分布总体差异显著,呈现多核结构,主要划分为四类:高密度城市化地区,平均单位栅格人口数达5人以上;中密度中小城镇居民点,平均单位栅格人口数3~5人;较低密度中心村居民点,平均单位栅格人数1~3人;低密度零散自然村落,平均单位栅格人数小于1人。从空间形态来看,黄淮海地区人口分布局部呈现分散同心圆结构,以地区性中心城市为中心阶梯状递减分布。② 区域内人口分布差异显著,居民点常住人口洛伦兹曲线(图3)直观反映了黄淮海地区人口区域分布的不均衡现象,县区尺度与乡镇尺度人口分布都明显偏离对角线;而乡镇尺度洛伦兹曲线偏离程度更加严重,向下弯曲的程度更明显,相对于县区之间的人口差距,乡镇间人口分布的不均衡性更为严重。③ 各行政单元内部人口分布相对均衡(图4),85%县区人口空间分布基尼系数小于0.3,人口分布较为均衡;超过50%地级市市辖区处于轻度失衡,这些区域城区人口集中度高,城乡人口分布差异较大。

式中:Pijk为i县内j类土地上第k个像元上的人口估计数;Ni为i县内像元个数;NLijk,DNijk分别为i县j类土地上第k个像元上的灯光区面积和灯光强度。

将黄淮海地区各县(市)2015年底常住人口数、各土地利用类型面积(除未利用地外)及各土地利用类型灯光强度值代入模型进行逐步回归分析,计算得到模型参数值:ai=0.227,bj=0.718,Po=264 320.320;Sig=0.000,R2=0.800。结果表明在0.01显著水平下常住人口数量与居民点用地面积及其灯光值呈正相关关系,即常住人口分布与城乡居民用地面积和城乡居民点内灯光值密切相关。模型契合城乡常住人口活动基本规律,即常住人口规模越大的区域,其居民用地占地面积越大,夜间常住人口活动也越频繁,居民点内部灯光值越高。该模型可将常住人口离散到城乡居民点用地内部,符合人口分布及其活动的实际特征,能真实反映城乡人口空间分布和活动状态。

式中:为最终栅格人口数;为i县(区)统计人口数;Pi为i县(区)人口空间化像元总值。

至于两药的安全性,有报道称奥沙利铂常见神经毒性反应,其中急性神经毒性反应的发生率可达到85%~95%[19]。本研究中神经毒性反应较少,而胃肠道反应较多,但有研究表示,奥沙利铂的胃肠道反应发生率较低。另有研究中也见肝功能损害,照理讲二药均无需经肝转化与胆汁排泄,所以一般情况下肝功能不受影响[20]。而吉西他滨可能引起白细胞、血小板减少而致骨髓毒性症状。TACE具有不良反应少的优点,从本研究结果看,二药联合并未明显增加不良反应。

此次观摩会召开得非常成功,正如青岛市和平度市两级土肥站负责人在会上讲话时所说,有了全国农技推广中心和澳特尔化工技术推广部的合力支持,先进的农业科学技术必将落实到农村的田间地头,定会为广大种植户带来良好收益,为大泽山的葡萄增产增收再创新高。

3 模拟结果分析

3.1模拟精度评估

利用黄淮海地区乡镇统计人口数据,在镇级尺度进行人口空间化模型的验证。随机选取500个乡镇统计人口数据作为乡镇实际人口数,区县人口空间化模型模拟的乡镇人口数据作为估计值,计算样本的相关系数(R)和平均相对误差(ARE)。

3.1.1相关系数。在统计学中,皮尔逊相关系数可简称为相关系数(R),是一个用来衡量变量X和Y之间的线性相关关系的指标。相关系数的值介于-1~1,R=1表示完全正相关,R=-1表示完全负相关。计算公式为:

式中:PSi代表i行政单元内统计人口数;Pi表示i行政单元内人口的估计数;n代表行政单元数量。

抗战结束以后,中国农村经济在长期战乱与自然灾害多重打击之下,风雨飘摇,农村经济政策仍以发展农业生产为主,因此合作组织仍以农业生产合作社为组织重点,农业生产合作社占比进一步增大,同时围绕农业生产之运销、消费、供给等合作社也有所发展。而信用合作社占比则持续下降,至1949年信用合作社占比已不足30%。

3.1.2平均相对误差(ARE)。平均相对误差是绝对误差与实际值比值的平均值,以百分数表示。平均相对误差更能反映回归结果的可信程度。具体计算公式为:

式中:PSi代表i行政单元内统计人口数;Pi表示行政单元内人口的估计数;n代表行政单元数量;代表统计人口数平均值;表示人口的估计数平均值。

相关系数能够揭示模拟变量的线性相关关系,而平均相对误差能够反映回归结果的可信程度。精度评估结果显示,随机抽样乡镇估计人口数与对应统计人口数的相关系数为0.988 5,且在0.01水平显著相关。乡镇尺度样本平均相对误差为15.6%。模拟结果接近乡镇实际人口数值,结果可靠。

随着团场小城镇建设步伐的加快,母亲居住了几十年的平房被拆除了,搬迁进了团里安排的廉租房。廉租房在二楼,面积不大,也就60多个平方,很多东西都被母亲扔掉了,但是那台老旧的飞人牌缝纫机,却被母亲搬到楼房上,放在了阳台上光线最充足的地方。

3.2黄淮海地区人口空间分布总体特征

计算每个栅格单元常住人口数,计算公式为:

图2 2015年黄淮海地区城乡常住人口空间分布模拟结果

Fig.2 Simulation results of urban-rural resident population pattern in Huang-Huai-Hai area

图3 黄淮海地区城乡常住人口分布洛伦兹曲线

Fig.3 Lorenz curve of urban-rural resident population distribution in Huang-Huai-Hai area

3.2.2城乡常住人口空间集疏态势。基于常住人口空间化模拟结果,计算乡镇尺度人口空间自相关性,分析常住人口的集疏态势。乡镇人口分布的Moran’sI=0.220 6,其正态统计量Z=26.00>2.58(0.01置信水平下的临界值),通过显著性检验。这表明黄淮海地区乡镇常住人口分布存在正空间相关性,即人口稠密乡镇和人口稀疏乡镇在空间上呈现较显著的集中分布格局。

图4 黄淮海地区各县区内部常住人口分布基尼系数

Fig.4 Gini coefficient of resident population distribution within the county of Huang-Huai-Hai area

将Moran散点图4个象限中的乡镇单元进行空间可视化处理(图5)。结果显示:① 高-高人口集聚单元主要为黄淮海地区的北京、天津以及省会城市、计划单列市和重要节点城市。这些区域社会经济发展水平较高,就业机会较多,对人口吸引集聚能力强,但存在交通拥挤、房价过高和环境污染等问题,该单元在空间上呈现分散的团块状布局。② 高-低人口集聚单元主要为中小城镇,分布在大城市周边,城镇之间发展水平差异显著,形成人口密度高值和低值空间集聚单元。③ 低-高人口集聚分布单元紧紧围绕着高-高人口集聚单元,这些乡镇相对于市辖区或县核心区经济发展滞后,产业基础薄弱,但易接受周边城市辐射带动,发展潜力较大。④ 低-低人口分布单元主要分布在远离市辖区和县核心区的偏远地区,基础设施落后,经济社会发展水平较低,同时受到发达城镇地区极化效应的影响,导致大量农村人口外流,农村空心化问题严重,空间上呈现连片人口稀疏区。

图5 黄淮海地区乡镇尺度常住人口空间关联分布

Fig.5 Spatial distribution of resident population at township scale in Huang-Huai-Hai area

4 结论、建议与讨论

4.1结论

基于夜间灯光数据与土地利用数据构建的常住人口空间模拟模型可以细致、客观地刻画黄淮海地区城乡常住人口空间分布格局。模型模拟结果精度较高,模型拟合优度为0.80,精度检验平均相对误差仅为15.6%,在乡镇尺度上的模拟结果表现出很好的可靠性,人口空间模拟结果空间辨识度高。

三是构建科学的绩效考核评价机制。针对不同层次、不同专业的人才特点和职业要求,制定分类分层的评价序列,建立以业绩为核心,由品德、能力等要素构成的评价指标体系。对在管理岗位上的毕业生,评价重在员工认可,突出管理业绩、实际贡献和综合素质;对技术岗位上的毕业生,评价重在技术业绩和业内认可,积极探索资格考试、绩效考核和同行评议相结合的专业技术人才评价方法,客观反映其业绩成果和社会价值。

自上而下的人口反演策略在区域范围大、层次多时具有很强的适用性[23]。基于夜间灯光数据与土地利用数据反演的人口空间分布格局不仅直观地反映了黄淮海地区内部人口集聚特征,也区分出县域内部常住人口分布差异,真实展现了局地尺度城乡常住人口实际分布状况,具有很好的应用价值,可以用于城乡公共服务设施配置和城乡空间布局优化等方面。

黄淮海地区城乡常住人口在空间上呈现“总体差异显著、局地内部均衡”的特征,区域内常住人口城乡分布差异显著,但县域和乡镇行政单元内部常住人口分布相对均衡。基于乡镇单元的常住人口分布呈现较强的空间自相关,高-高集聚单元主要为大城市街道及其卫星城,高-低集聚和低-高集聚分布在大城市边缘,广大农村地区呈现低-低集聚格局。

4.2建议

黄淮海地区城乡空间结构性失衡,大城市病和农村空心化问题叠置。大城市人口集聚能力强,天津、北京、青岛等大城市集聚了该区域53%的人口(平均单位栅格人口数超过5人),而中小城镇发育滞后,产业竞争力较弱,对人口的集聚能力较差,中小城镇常住人口仅占总人口的22%(平均单位栅格人口3~5人)。建议在实施好京津冀协同发展、中原城市群发展、山东半岛城市群建设等以城市经济为核心的发展战略的同时,加强对乡村地区中小城镇和中心村镇建设的投入和支持,重点发展中小城镇,强化中小城镇和中心村的公共服务及基础设施建设,完善中小城镇服务功能,打造乡村振兴发展极,构建结构合理、发展有序的城-镇-村空间发展格局,优化城乡人口要素资源配置,促进城乡融合发展。

4.3讨论

夜间灯光影像数据更新速度快,空间分辨率高,对人类经济社会活动敏感,在人口和社会经济活动空间化模拟应用方面有巨大的潜力。本研究仅进行了2015年黄淮海地区城乡常住人口空间模拟,今后需深入挖掘影像信息,结合时序数据模拟常住人口时空变化趋势,探索人口空间格局变化规律,以更准确地掌握区域人口格局动态,为区域城乡规划和可持续发展决策提供支撑。

参考文献:

[1] 刘彦随,刘玉,翟荣新.中国农村空心化的地理学研究与整治实践[J].地理学报,2009,64(10):1193-1202.

[2] 刘盛和,胡章,邓羽.基于区域差异类型的流动人口快速监测方法[J].地理研究,2011,30(4):676-686.

[3] 柏中强,王卷乐,杨飞.人口数据空间化研究综述[J].地理科学进展,2013,32(11):1692-1702.

[4] 胡云锋,王倩倩,刘越,等.国家尺度社会经济数据格网化原理和方法[J].地球信息科学学报,2011,13(5):573-578.

[5] 黄向球,苗长虹,麻永建,等.河南省流动人口的空间格局及其对人口分布的影响[J].地域研究与开发,2014,33(4):142-147.

[6] 刘望保,石恩名.基于ICT的中国城市间人口日常流动空间格局——以百度迁徙为例[J].地理学报,2016,71(10):1667-1679.

[7] 淳锦,张新长,黄健锋,等.基于POI数据的人口分布格网化方法研究[J].地理与地理信息科学,2018,34(4):83-89.

[8] 王贤文,王虹茵,李清纯.基于地理位置大数据的京津冀城市群短期人口流动研究[J].大连理工大学学报(社会科学版),2017,38(2):105-113.

[9] 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(3):165-169.

[10] ZHUO L,ICHINOSE T,ZHENG J,etal.Modelling the Population Density of China at the Pixel Level Based on DMSP/OLS Non-radiance-calibrated Night-time Light Images[J].International Journal of Remote Sensing,2009,30(4):1003-1018.

[11] 刘焕金.基于多源数据的太湖流域人口空间化研究[D].南京:南京农业大学,2012.

[12] MA T,ZHOU Y K,WANG Y J,etal.Diverse Relationships between Suomi-NPP VIIRS Night-time Light and Multi-scale Socioeconomic Activity[J].Remote Sensing Letters,2014,5(7):652-661.

[13] LO C P.Modeling the Population of China Using DMSP Operational Linescan System Nighttime Data[J].Photogrammetric Engineering & Remote Sensing,2001,67(9):1037-1048.

[14] LEVIN N,DUKE Y.High Spatial Resolution Night-time Light Images for Demographic and Socio-economic Studies[J].Remote Sensing of Environment,2012,119(3):1-10.

[15] LI X,XU H M,CHEN X L,etal.Potential of NPP-VIIRS Nighttime Light Imagery for Modeling the Regional Economy of China[J].Remote Sensing,2013,5(6):3057-3081.

[16] LIU Y S,LIU Y,CHEN Y F,etal.The Process and Driving Forces of Rural Hollowing in China under Rapid Urbanization[J].Acta Geographica Sinica,2010,20(6):876-888.

[17] 刘纪远,宁佳,匡文慧,等.2010—2015年中国土地利用变化的时空格局与新特征[J].地理学报,2018,73(5):789-802.

[18] 胡云锋,赵冠华,张千力.基于夜间灯光与LUC数据的川渝地区人口空间化研究[J].地球信息科学学报,2018,20(1):68-78.

[19] KYBA C,GARZ S,KUECHLY H,etal.High-resolution Imagery of Earth at Night:New Sources,Opportunities and Challenges[J].Remote Sensing,2014,7(1):1-23.

[20] 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.

[21] LI D,ZHAO X,LI X.Remote Sensing of Human Beings-A Perspective from Nighttime Light[J].Geo-spatial Information Science,2016,19(1):69-79.

[22] 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.

[23] 邓羽,刘盛和,蔡建明,等.中国省际人口空间格局演化的分析方法与实证[J].地理学报,2014,69(10):1473-1486.

SimulationoftheSpatialPatternofPopulationofUrbanandRuralResidentsinHuang-Huai-HaiAreaBasedonNPP/VIIRSNighttimeLights

LIU Yanjiao1,2 , WANG Jieyong1 , WANG Zhiwei3

(1.InstituteofGeographicSciencesandNaturalResourcesResearch,CAS,Beijing100101,China; 2.UniversityofChineseAcademyofSciences,Beijing100049,China; 3.ShandongProvincialDepartmentofLand&Resources,Jinan250000,China)

Abstract: Taking the traditional farming area in Huang-Huai-Hai area as the study area, a population spatial model was built by using the data of NPP/VIIRS night light, land use and demography to simulate the distribution of resident population in urban and rural area and explore the spatial distribution characteristics of urban and rural population. The result indicates that: (1) The population spatialization model based on NPP/VIIRS night light data and land use data has a goddess of fit of 0.80 and an average error of accuracy test is 15.6%, which suggests high fitting degree and strong applicability. (2) The spatial distribution pattern of population can directly reflect the characteristics of population agglomeration in Huang-Huai-Hai area and the differences of resident population in counties, as well as show the actual distribution of urban and rural resident population on the local scale; (3) The resident population in Huang-Huai-Hai area presents a characteristics of “the overall difference is significant, the internal of local area is balanced” in space, manifesting population aggregation in urban and relatively balanced in county.

Keywords: population spatial simulation; NPP/VIIRS nighttime light data; urban-rural development pattern; Huang-Huai-Hai area

中图分类号:K901.8

文献标志码:A

文章编号:1003-2363(2019)03-0176-05

doi:10.3969/j.issn.1003-2363.2019.03.032

收稿日期:2018-10-16; 修回日期:2019-04-29

基金项目:中国科学院战略性先导科技专项(A类)(XDA19 040402);国家自然科学基金面上项目(41671178)

作者简介:刘艳姣(1994-),女,山东威海市人,硕士研究生,主要从事乡村可持续发展定量模拟研究,(E-mail)yanjiao199447@163.com。

通信作者:王介勇(1978-),男,山东滕州市人,副研究员,博士,主要从事土地利用与乡村可持续发展研究,(E-mail)wjy@igsnrr.ac.cn。

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  

刘艳姣:基于NPP/VIIRS夜间灯光数据的黄淮海地区城乡常住人口格局模拟论文
下载Doc文档

猜你喜欢