没有合适的资源?快使用搜索试试~ 我知道了~
数据回归-基于空间回归模型的人口统计数据空间化表达——以六安市为例.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 61 浏览量
2022-06-25
16:44:07
上传
评论
收藏 1.89MB PDF 举报
温馨提示
试读
46页
数据回归-基于空间回归模型的人口统计数据空间化表达——以六安市为例.pdf
资源推荐
资源详情
资源评论
4
2.Globe spatial autocorrelation analysis showed that, certain spatial correlation of town
population distribution,population of towns of Liuan city had not distributed
randomly.Towns which has similar population density gather together. Local spatial
aut-ocorrelation analysis.There were areas of high population density towns in central
Liuan,and areas of low population density towns in southwest Liuan.
3. Spatial adjacency relationship defined by administrative zoning had been broken by
temporal distance proximity spatial weight matrix. Compare with adjacency spatial weight
matrix, temporal distance proximity spatial weight matrix play a role which be good at reveal
the spatial heterogeneity and affection within region. A reasonable temporal standard which
determined by area and development of traffic system should be ascertained. For Liuan city,
the standard should be0.50h-1.00h,temporal distance proximity spatial weight matrix under
followed that standard Not only can reveal the relationship of regional space, but also stable.
4. Using population density logarithm as explained variable,relief degree of land surface
RDLS,urban and rural reside land use index LURL,Density of finacial revenue
REVD,per-person road mile PerPR,per-person Arable Land area PerPAL,per-person waters
area PerPW as explanatory variables,build spatial regression models of Liuan city population
spatial distribution.Best model is spatial error model(SEM) using adjacency spatial weight
matrix.
150m resolution map of population density spatial distribution accord model,after
testing,the relvevance between fitting the number of population and census data is0.9668,the
township whose error rate lower than20% accounted for 74.52% of the total number.
Key words: Spatial Regression Model ; Temporal Distance Proximity Spatial Weight
Matrix ; Liuan
1.468334* *PERPAL 5.272884*
0.02884141* 262.6797* 0.00260744*
171.8128
6.601655
lnPD RDLS PERPW
LURL PERPR REVD
( )( )( )
( )
万方数据
5
目录
摘 要............................................................................................................................ 1
第一章 绪论.................................................................................................................. 6
1.1 选题背景与意义.............................................................................................. 6
1.2 人口数据空间化国内外研究进展.................................................................. 7
1.2.1 大尺度的人口数据空间分布研究进展............................................... 7
1.2.2 区域人口数据空间化研究进展........................................................ 9
1.2.3 小结..................................................................................................... 11
1.3 空间计量相关理论内容与发展................................................................... 12
1.3.1 空间自相关理论................................................................................ 12
1.3.2 空间回归模型.................................................................................... 12
第二章 研究内容、方法与技术路线........................................................................ 13
2.1 研究内容........................................................................................................ 13
2.2 研究方法........................................................................................................ 13
2.2.1 时间距离空间权重矩阵..................................................................... 13
2.2.2 空间自相关......................................................................................... 16
2.2.3 空间回归模型..................................................................................... 16
2.3 技术路线........................................................................................................ 18
第三章 研究区概况与数据预处理............................................................................ 19
3.1 研究区概况.................................................................................................... 19
3.1.1 自然地理概况.................................................................................... 19
3.1.2 社会经济条件.................................................................................... 22
3.2 数据准备与处理........................................................................................... 24
3.2.1 数据准备............................................................................................. 24
3.3.2 数据处理............................................................................................. 25
第四章 六安市人口空间分布特征及空间自相关研究.......................................... 30
4.1 六安市人口分布特征................................................................................... 30
4.2 时间距离空间权重矩阵建立........................................................................ 31
4.3 六安市人口密度空间自相关分析............................................................... 32
4.3.1 全局空间自相关分析......................................................................... 32
4.3.2 局部空间自相关分析........................................................................ 32
4.4 本章小结........................................................................................................ 38
第五章 六安市人口统计数据空间化表达................................................................ 39
5.1 解释变量选取与确定................................................................................... 39
5.2 六安市人口密度多元线性回归模型........................................................... 39
5.3 六安市人口密度空间自回归模型............................................................... 41
5.4 六安市人口密度分布栅格图的生成........................................................... 43
5.5 模拟精度分析............................................................................................... 44
5.6 本章小结........................................................................................................ 45
第六章 结论与讨论.................................................................................................... 46
参考文献...................................................................................................................... 48
致 谢 ...…………………………………………………………………………..52
万方数据
6
第一章 绪论
1.1 选题背景与意义
人口是指在特定的社会制度,特定地域进行生产生活活动的,具有一定数量
和质量的人的总称。21 世纪人类面临的人口、资源、能源、粮食和环境五大问
题,人口问题是其中的核心问题。人口在一定时间内于一定地理空间上的聚集扩
散状态被称作人口分布,也可被称为人口的空间形式。人口分布影响生产分布,
也影响周边地区社会经济发展。人口的分布模式体现了人类对地理空间的征服程
度
[1][2]
。
人口分布与地区自然地理条件,历史文化习俗、社会经济发展等有密切联系
[3][4]
。一般来说地势平坦,离水源地较近,交通便利的地区能吸引更多人口前来
聚居
[5]
。只有当地区人口与当地资源环境承载力,社会经济发展水平相适应时,
人口分布才能保持相对稳定,反正则会发生人口再分布行为
[6]
。现实中地区与地
区间自然条件各不相同,经济发展水平参差不一,造成人口空间分布的不均衡性,
但又呈现出一定的规律性。为了准确表达人口空间分布规律,引入了人口密度概
念。
人口密度则是描述人口的空间分布、衡量人口分布地区差异的最主要指标。
人口密度即单位面积上常住人口数量,是区域人口数量 Poup 与区域面积 Area
的比值,以人/Km²为单位。
(1-1)
目前人口普查数据是人口数据的获得的主要方式,通过逐级普查、统计、汇
总,最终获得以而得到以行政区为单元的人口统计数据。我们通常在 GIS 中建
立以行政区划为基础的多边形数据库,再把各个行政区人口数据作为属性保存在
相应的行政单元里,通过 GIS 计算,用人口数据除以行政区面积,得到以行政
区为单元的人口分布密度图,不仅表现了地区人口空间分布特征,还能反映出该
区域间人口空间分布不均衡状况。在进行区域人口、资源、社会经济发展等以行
政区为操作统计单元的宏观分析会非常便利
[7][8]
。但是微观尺度研究和跨区域研
究中,这种行政区人口密度分布掩盖了各个单元内部人口分布的疏密状况,此外
以行政区划单元与各类地理单元不相容,相邻行政区边界常常出现人口密度激突
变化,因此行政区划人口密度图不能完全真实反映人口分布状态
[9][10]
。为解决上
述问题,我们必须找到人口统计数据的空间化表达方法:通过建立采用适当的数
学模型和方法,将某区域人口分配到一定分辨率的格网中,打破行政边界的束缚,
获得人口分布栅格图,以便更接近真实状态的人口分布
[11]
。
Poup
D
Area
万方数据
7
人口统计数据的空间化研究具有现实意义。人口统计数据空间化同时面临着
机遇和挑战。我国是世界上绝无仅有的人口大国,人口基数大,地形地貌条件复
杂,人口分布,社会经济发展水平地区差异大,这为我们进行人口空间分布研究
带来挑战;党的十八届三中全会上做出了全面深化改革的总部署,大力推进新型
城镇化,加强生态文明建设,人口统计数据已经不能满足发展的需要,迫切地需
要准确的人口分布信息作为支撑。研究人口的空间分布,提供人口空间分布信息,
对制定区域人口经济政策,促进人口合理再分布以及实现人口资源环境协调可持
续发展有重要的现实意义
[12]
。
人口统计数据的空间分布具有理论意义。GIS 数据最重要的两类数据是空间
数据和属性数据。GIS 的数据精度,对评价 GIS 产品质量,确定 GIS 录用数据的
标准,改善 GIS 算法,减少 GIS 设计和开发的盲目性以及对 GIS 数据的进一步
分析利用,都有着深刻的影响
[13]
。在测绘及相关领域,空间数据精度是最重要
的,而在着重研究专题信息的领域,如土地覆盖,土壤植被的分类,人口分布中,
专题属性数据尤为关键。受数据获取手段的限制,属性数据多为定点观测获取或
统计获取,不可能对任一空间位置的数据都进行精密的观测和统计。因此研究属
性数据空间化,将属性数据与空间数据相匹配是 GIS 研究的前沿问题之一
[13]
。
人口数据是最重要的属性数据之一,研究人口统计数据的空间化方法,拓展了属
性数据空间化方法应用领域,提供了思路和实证,具有较强的理论意义。
1.2 人口数据空间化国内外研究进展
1.2.1 大尺度的人口数据空间分布研究进展
○
1 全球栅格人口数据库 GPW
1994 年全球人口制图研讨会上达成了对建立统一的全球栅格人口数据重要
性认识的共识,与会专家都认为这对于跨学科研究具有重要意义。先后有两个版
本的全球人口数据库 GPW(V1 和 V2)问世,这是最早的全球范围的人口数据
空间化案例
[14]
。但 GPW 未考虑对人口分布产生影响的自然环境因素,只是简单
地将全球范围行政边界栅格化,再用原行政区人口数量作为栅格的值,因此不能
获得行政单元内部具体分布状况
[15]
,GPW 仍不是成熟的人口数据空间化产品。
○
2 UNEP/GRID
UNEP/GRID 是由联合国环境计划署支持的全球资源信息数据库(Global Re
source Information Database),涵盖了多个数据中心,位于美国子数据库提供了
全球人口和行政边界数据。该数据库收集交通网信息(包括铁路、公路、水路)、
万方数据
8
城市中心信息、人口信息。建立完整的交通网络,对每个网络结点,通过考察人
口密度与通达性的相关性(通常人口密度与交通基础设施越完善程度呈正比),
交通距离被优先考虑,再结合邻近城镇大小来确定该结点邻近值。将结点的邻近
值内插成的栅格面后,根据高程、保护区、内陆水体等数据剔除不适宜人口居住
的地区。最后,将行政单元人口根据邻近指数分配到每个格网,可转换为人口密
度格网
[16
。
○
3 LandScan
LandScan(ORNL’s Global Population Project, part of a larger global datab
ase effort called Landscan)是美国国家橡树岭实验室全球人口项目的组成部分。
产品全球尺度下 1km 分辨率人口数据集。LandScan 融合了 GIS 和 RS 技术,在
发展、制作和更新全球人口数据方面居世界领先地位。它建立步骤为:
(1)收集精度最佳各国人口普查数据,通常要到省级;
(2)对于每个行政单元都单独建立一组变量概率系数,变量概率值由各个区
域的自然因素、经济条件和文化历史来决定,变量选取基于土地覆盖、坡度、道
路、夜间灯光和城市密度,计算各个变量在每个国家、省份的概率系数。
(3)GIS 技术被应用在把人口普查数据分配到各个像元上。所有的区域共用
一个一般模型,但各个变量的根据地区具体情况而定。控制概率系数使每个行政
单元(国家、省、地区及较小城市分区)或可获得人口普查数据的任意矩形的人
口总数与人口统计数据相匹配;
(4)遥感手段不仅提供了相关输入变量的信息(如夜间灯光和土地覆盖),
还能利用高分辨率的遥感影像获得人口分布的相关指示因子(例如建筑区,居民
点),用来对人口模型估计结果进行校核和验证
[17]
。
○
4 中国人地系统主题数据库
国内方面,由中国科学院地理科学与资源研究所主持建立的人地系统主题数
据库(Institute of Geographic Sciences and Natural Resources Research. The m
atic Database for Human-earth System)是中国最早的综合数据库。该数据库的
基础是原中国自然资源数据库,通过整合典型人地关系区域(如东北黑土区、黄
土高原等),综合中国周边与全球主要地区的人地系统数据形成。内容涉及自然
资源、人口等多方面,包含属性数据、空间栅格与矢量数据和其他图形图像数据,
为资源环境科学研究、管理决策等方面提供数据服务
[18]
。
万方数据
剩余45页未读,继续阅读
资源评论
programxh
- 粉丝: 17
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功