夜间灯光数据模拟中国人口密度趋势

原编按:本期推送由Minghong Tan等发表在?Applied Geography上题为Modeling population density based on nighttime light images and land use data in China一文。人口变化是影响气候变化,生态建设,水土资源利用和经济增长的重要变量。普查数据始终是点数据,而平面数据往往是科学研究所需要的。通过使用夜间照明(NTL)图像和土地利用数据,结合第五次和第六次人口普查数据,我们分别对每个县的人口进行了空间匹配,并建立了2000年和2010年中国人口密度图,空间分辨率为1×1 km。本文提出的方法相对简单,模拟精度高。结果表明:21世纪前10年,中国人口空间格局变化具有一些显着特征:1)中等密度地区的“消失”,即人口密度在500-1500人/平方公里的地区在十年内下降了41%; 2)连续高密度地区的发展,即人口密度超过1500人/平方公里的地区增长了76%; 3)与高密度区域相似的低密度区域的扩展趋势。

“普查数据始终是点数据,而类似夜间灯光数据形式的面数据往往正是科学研究所需要的。”—— 作者摘要

1、引言

中国自改革开放以来,进入了快速城市化阶段,经历了人类历史上最大规模的城乡人口迁移(Zhang&Song,2003)。从1990年到2010年,城市人口从3.02亿增加到6.71亿。与此同时,农村人口从8.41下降到6.7亿(NBSC,2013)。城乡人口流动有很大的变化,这改变了人类的生产生活方式,对自然环境和社会经济产生了重大影响。

到目前为止,中国已经进行了六次人口普查,为了解中国的人口状况以及人类与自然环境的关系提供了坚实的数据基础。但是,普查数据通常是以行政单位为基础的;但是,同一级别的行政单位在不同地区的行政区域之间往往存在显着差异。例如,一些县的行政区面积不足100平方公里,有些县面积较大(如新疆若羌县面积20.2万平方公里),而且即使在同一县,由于地理环境的差异和经济发展水平,人口分布也很不平衡。此外,大多数研究并没有将行政单位作为研究对象,而是以盆地或地理单位。因此,以往研究使用不同的方法对人口分布进行了空间模拟。例如,刘(2003b)基于引力模型,结合数字高度数据,实际初级生产力数据,交通基础设施数据和城市规模数据,模拟了中国的人口密度。
国防气象卫星计划的运行线扫描系统(DMSP / OLS)的夜间灯光数据是反映人类集聚和能源消耗的重要指标,它提供了一个稳定和持久的数据源。目前,这些数据被广泛用于评估城市增长和城市转型。有学者分析了不同地区人口分布与灯光强度之间的关系,表现出显着的相关性。此外,一些作者利用光图像数据对人口数据进行了空间匹配。例如,卓(2005)利用植被覆盖度数据,灯光数据和非农业人口和农村人口数据,对中国1998年的人口分布进行了模拟,得到了较好的模拟结果。

综上所述,现有与人口密度模拟有关的研究较为复杂,涉及到各种丰富的数据集(表1)。这些复杂的建模过程可能会降低人口分布的空间匹配精度。此外,这样的研究通常将一个国家分成几个区域,建立人口密度与灯光强度的关系,然后进行空间模拟在区域范围内的人口密度。此外,到目前为止,基于中国的第五次(2000年)和第六次人口普查(2010年)数据,空间模拟被忽略了,即使使用相同的方法,特别是在全国各地的网格中,人口密度空间变化的比较也是不够的。

在本文中,我们使用了一个更简单和更直接的模型分别对中国每个县的人口统计数据进行空间匹配和模拟。具体而言,根据第五次和第六次人口普查数据,灯光图像和土地利用数据,分析了未利用的土地和水域,人口密度与灯光强度,耕地分布和县域沉降分布之间的关系。 在这些关系的基础上,分别对各县人口数据进行空间匹配,得到2000年和2010年人口密度空间分布图(分辨率为1×1 km),然后分析模拟人口密度数据作为可靠数据,来探讨人口变化对自然环境,生态演变和气候变化的影响。


2、数据

2000年的土地利用数据来自中国科学院资源与环境数据中心提供的1:10万的土地利用数据库。数据主要根据Landsat TM数据进行手动解释。大量的实地调查证明,土地利用分类准确率达90%以上。

夜间灯光数据来自DMSP / OLS的时间序列数据。这项研究使用的NTL图像分别来自2000年和2010年的F14和F18卫星。数据采用网格形式,网格值介于0和63之间,其中较大的值代表较高的灯光强度。在中国,网格值在1和63之间变化。由于光图像数据是从不同的卫星获得的,为了对时间序列数据进行比较,有必要对这些数据进行校准,以赋予不同年份光图像数据的可比性。本研究在分别模拟2000年和2010年灯光强度(DN值)、居住用地比例和人口密度之间的关系的基础上,对普查数据进行了空间匹配。

2000年和2010年的人口数据来自县级第五次和第六次人口普查数据库。2005年的人口数据来源于2006年“中国县域统计年鉴”(国家统计局,2006)。本研究中使用的人口统计数据是人口普查界定的常住人口数据(NBSC,2002; 2012)。根据这个定义,移民如果远离户口所在地超过6个月,并登记在目前的居所而非户口所在地,则被视为常住人口。

3、研究方法

根据中国2000年的土地利用图,将水域和未利用地划分为无人居住区,人口密度值设为0。本研究首先分析了光影、耕地分布,居住分布,县级人口密度。随后对县级普查数据进行空间匹配和模拟。最后,模拟结果通过乡镇人口普查数据验证。


如前所述,灯光数据与人类活动密切相关,在很大程度上反映了人口密度。因此,模型模拟的前提是确定灯光强度与人口密度之间的定量关系。由于缺乏人口统计学数据,要描述网格层面的数量关系是非常困难的。田(2005)分析了中国县级人口与不同土地利用类型之间的关系;在此基础上,对网格层面的人口进行空间匹配。同样,我们首先定量分析了中国2300个区县的人口密度,灯光强度与土地利用类型之间的关系。这些定量关系被视为对人口数据进行空间匹配的基础,以分别模拟每个县的人口空间分布。由于光影像数据的空间分辨率为1×1 km,土地利用数据的空间分辨率为30×30 m,我们将每幅光图像数据中不同土地利用类型的比例作为土地利用变量,并将其纳入该模型。在模拟过程中,我们发现当使用多层回归模型模拟人口密度时,一些变量如林地和草地的比例对自变量(即人口密度)有负面影响。另外,模型验证结果也表明,引入森林土地分布和草地这两个变量对模拟精度没有显着影响。因此,我们只采用了与土地利用类型相关的两个变量,即住宅用地比例和耕地比例来进行模拟。

(具体的建模过程可参照英文原文,鉴于篇幅问题,在此仅附上图片,供参考。)




4、研究结果与分析

利用上述方法,我们得到了2000年和2010年的中国大陆人口密度图,空间分辨率为1×1 km。在分析研究结果之前,我们对模型模拟结果进行了验证。因此,在保证数据准确性的基础上,进一步分析了21世纪前10年的人口空间格局及其变化。

模型验证结果

我们使用了2000年在江苏省,江苏省,山东省,北京市,河北省,陕西省,山西省,湖北省,江西省的1720个乡镇/街道的人口普查数据和2010年的1495个乡镇/街道,四川省,贵州省和重庆市,分别验证了2000年和2010年的人口模拟数据(图1和图4)。这些城镇/街道覆盖城市地区,郊区和农村地区。


验证结果表明,普查数据与模拟数据显着正相关,决定系数(R2)大于0.6(图5)。这表明,该方法可以充分模拟人口的空间分布,利用土地利用数据,夜间灯光图像和人口普查数据。正如引言(表1)所述,以前的研究也使用空间人口密度图,基于变量土地利用数据,夜间光影像,道路,铁路,海拔,土壤等条件,但这些方法往往耗时耗力。

另外,大多数研究将模拟结果与县级人口普查数据进行比较,以验证结果的准确性。在本研究中,计算的总人口已由县级人口普查数据使用方程得出。对于一个县来说,其模拟总人口等于人口普查数据,因此没有必要在国家一级来核实模型结果。因此,我们使用小城镇级别(城镇)的人口普查数据来测试模型结果,这往往在之前的研究中被忽略。


在非人口普查年份,县级(镇)人口数据很难获得。本研究利用2005年县域统计人口数据对模型结果进行了检验。检验结果显示,统计数据与模拟数据显着正相关,决定系数(R2)为0.902(NBSC,2006)(图6)。这证明了这个方法可以充分模拟非数据获得年份人口的空间分布。

中国人口空间分布格局

研究人口空间分布总是涉及人口密度的空间分类问题。根据第五次人口普查,如果一个市区的人口密度超过1500人/平方公里,全部人口被包括在城市人口中。在此基础上,本文将人口密度超过1500人/平方公里的模式点作为人口密度高的地区(图7)。另外,为了便于与以前的研究进行比较,分层分类也参照了现有的分类方法。


从2000年到2010年,人口密度在200-1500人/平方公里的地区(网格)呈现出明显的减少的特点,特别是人口密度在500-1500人/平方公里的地区,面积从589000平方公里减少了41% 2000年达到34.6万平方公里(表2)。这些地区位于中国粮食主产区河南省,山东省,河北省和四川省的平原。在中等密度地区,许多地区的人口减少幅度超过100人/平方公里(表2和图8)。未来,随着城市化进程的不断推进,中密度地区的“消失”现象将越来越普遍。目前,中国的农民一般都是五十多岁。随着农业机械化水平的提高和农村人口年龄结构的演变,今后农业的大规模经营是不可避免的。但是,这些地区的人口密度还是很高的。人口密度在200-500人/平方公里的地区,人均土地面积2000-5000平方米,人均耕地面积更小。



从表2可以看出,从2000年到2010年,人口密度超过3000人/平方公里的地区面积从31000平方公里扩大到66000平方公里。因此,这些地区的人口增长了93%。到2010年,该地区总人口约3.5亿。同样,人口密度在1500-3000人/平方公里的地区也大幅增长了142%,人口增长了148%。人口密度小于200人/平方公里的地区人口密度也呈现扩大趋势,从2000年的789万人/平方公里增加到2010年的809万人/平方公里(表2)。低密度地区的空间增长主要是中等密度地区人口下降的结果。另外,低密度地区的人口下降趋势也很明显。例如,中国东南沿海山区和贵州,四川,重庆等省级行政单位人口密度明显下降。这种人口密度的下降大大降低了土地利用强度,缓解了生态压力。

5、结论

根据土地利用图,人口普查数据和灯光图像,对各县人口进行空间匹配,模拟本世纪头十年,2000年和2010年中国人口的空间分布及其变化情况,提出的方法是相对的

简单。模拟结果通过乡镇级人口普查数据进行验证。主要结论如下:

1)结果显示,普查数据与乡镇/街道一级的模拟数据有显着的线性正相关,决定系数(R2)大于0.6,表明本研究提供的模型具有较高的模拟性精确。

2)高密度地区呈现快速增长态势。从2000年到2010年,人口密度超过3000人/平方公里的地区面积由31000平方公里增加到66000平方公里,增长112%,人口增长93%。

3)从2000年到2010年,我们观察到中等密度地区的“消失”现象。人口密度在200-1500人/ km2之间的地区呈现出明显的下降趋势。中国高,低密度地区的扩张和中等密度地区的“消失”,对受累于人类活动的自然环境空间分布产生了重要影响。

文献来源:Minghong Tan et al. Modeling population density based on nighttime light images and land use data in China. Applied Geography 90 (2018) 239–247.

※ 本文源自微信订阅号【社论前沿】(ID:shelunqianyan),资料整理:张炎汉。原文链接请点击本行文字,转载敬请直接联系原出处。

评论 (0)

评论加载中...

我要评论

ta的文章更多

猜你喜欢

“环保移民”逼走了“环保教育中心”
东江发源于江西省赣州市,是流域沿岸及珠三角、香港等地的重要饮用水源。江西省寻乌县境内85%以上的
二维码