论文部分内容阅读
准确、高分辨率的人口空间分布信息对城市规划、灾害评估、疾病预防以及精准扶贫等都具有重要的参考价值。然而,传统的人口空间化研究存在模型单一、建模辅助因子单一、格网尺度单一、成果精度低等问题,尤其缺乏多种方法、多种尺度的人口空间化对比研究及多源数据之间的相关分析,易造成模型的多重共线性和空间化成果应用局限等问题。针对上述问题,本文选择土地利用、DEM、夜间灯光、POI四类数据,通过相关分析和最小二乘分析,筛选出对人口空间分布影响显著的因子和最优因子组合。根据前人在市域范围的人口空间化格网尺度选择的结果,通过多元线性回归(Multiple Linear Regression,简称MLR)模型、地理加权回归(Geographic Weighted Regression,简称GWR)模型和空间滞后模型(Spatial Lag Model,简称SLM),进行了长沙市1km×1km、500m×500m、250m×250m和100m×100m(简称1km、500m、250m、100m)四种格网尺度人口空间化建模,根据精度检验和对比分析得出了三种模型优劣次序和各自适宜的格网尺度。同时,根据精度分析情况,选取GWR模型模拟的250m尺度格网人口作为普通克里金(Ordinary Kriging,简称O-Kriging)插值和规则样条函数(Regularized Spline,简称R-Spline)插值的样本数据进行100m尺度格网的人口空间化尺度细化处理,并进行了精度检验和对比分析。研究结果表明:(1)长沙市人口聚集模式整体呈现“一个中心大聚集,两个左右小聚集”的空间分布规律。即在经济发达的城区人口趋向高-高聚集状态,离主城区较近的县(市)经济中心也有小块区域人口呈高-高聚集状态,在地形地势较复杂远离城区的农村地区人口呈低-低聚集状态。相同格网尺度下,MLR模型和GWR模型模拟结果在城区人口高密度区面积略大于SLM模型,而GWR模型和SLM模型模拟结果,在水系较发达和海拔较高的区域,人口分布细部信息较MLR模型更为详细。人口空间分布信息展示的详细程度由高到低依次为GWR模型、SLM模型、MLR模型。(2)三种模型各尺度空间化结果中,乡镇级检验中平均相对误差变化趋势有所不同,MLR模型精度并非随尺度减小而一直提高,250m尺度误差最小,但GWR模型和SLM模型误差均随着尺度的减小而降低,两者在100m尺度误差最小。其中,SLM模型250m和100m尺度模拟结果精度接近。三种模型各尺度空间化结果中,社区级检验的平均相对误差随尺度的变化趋势与乡镇级检验相同。在相同尺度下,三种模型各尺度模拟结果中,社区级检验平均误差均高于乡镇级检验。整体来看,GWR模型精度最高,SLM模型次之,MLR模型精度最低。(3)两种空间插值结果中,R-Spline插值的100m尺度模拟人口在乡镇级检验和社区级检验中,平均相对误差均高于GWR模型250m尺度模拟结果,低于GWR模型100m尺度模拟结果,而O-Kriging插值在乡镇级检验和社区级检验中平均相对误差均高于GWR模型250m模拟结果。即R-Spline插值结果精度低于同尺度GWR模型模拟结果,但是在一定程度上,提高了GWR模型大尺度格网人口的精度和分辨率,可用于简单快速地获取较高精度的细化人口数据。