黃耀裔， 陳文成

(泉州師范學(xué)院 資源與環(huán)境科學(xué)學(xué)院， 福建 泉州 362000)

人口數(shù)據(jù)是表征人類活動最直接的指標之一，在生態(tài)環(huán)境保護、災(zāi)害風(fēng)險評估救援、疾病防疫防控、商業(yè)決策、區(qū)域規(guī)劃與開發(fā)等領(lǐng)域具有廣泛的運用。當(dāng)前按行政單元的人口統(tǒng)計則存在有可變面元、MAUP分區(qū)、形狀效應(yīng)、尺度/面積效應(yīng)等諸多問題，而人口網(wǎng)格化具有比行政單元下的平均人口密度更能夠反映行政區(qū)劃內(nèi)部差異，更客觀反映人口實際空間狀態(tài)，目前許多學(xué)者如柏中強[1]，王明明[2]，卓莉[3]等基于DMSP/OLS夜間燈光、植被指數(shù)、土地利用等多源數(shù)據(jù)實現(xiàn)人口網(wǎng)格化進行了諸多研究研究，各國也開發(fā)如UNEP/GRID[4]、LandScan[5]、中國公里格網(wǎng)人口分布數(shù)據(jù)集[6]等人口網(wǎng)格數(shù)據(jù)集，然而主要集中在全球、國家或者省域尺度，而對于鄉(xiāng)鎮(zhèn)(街道)等中小尺度的人口網(wǎng)格化研究則很少。局部區(qū)域的人口網(wǎng)格化與大區(qū)域尺度同樣重要。由于人口的空間分布與夜間燈光、土地利用等多因素存在著密切關(guān)聯(lián)，因此可借助相關(guān)行分析、回歸分析等方法篩選其關(guān)聯(lián)指標后進一步綜合。本文以泉州市(不包括金門縣)為例，應(yīng)用人口關(guān)聯(lián)因素相關(guān)分析探索泉州市的植被指數(shù)EVI、夜間燈光(NPP-VIIRS、LJ1-01)、土地利用數(shù)據(jù)、DEM數(shù)據(jù)、交通與水系矢量數(shù)據(jù)等多源異構(gòu)數(shù)據(jù)的關(guān)聯(lián)性，利用地理探測器的“分異及因子探測”法進行指標賦權(quán)，實現(xiàn)基于多元綜合法的500 m×500 m尺度大小的泉州市人口網(wǎng)格化。

1 數(shù)據(jù)來源

1.1 研究區(qū)概況

泉州市(117°25＇—119°05＇E，24°30＇—25°56＇N)隸屬于福建省的一個地級市，位于福建省東南沿海，北承福州市，南接廈門市，東鄰臺灣海峽?，F(xiàn)管轄鯉城等4個縣級區(qū)、晉江市等3個縣級市、惠安縣等5個縣及泉州經(jīng)濟技術(shù)開發(fā)區(qū)、泉州臺商投資區(qū)，下劃為170個鄉(xiāng)鎮(zhèn)(街道)。土地面積為11 015 km2(含金門縣)，2019年末常住人口874萬(不含金門縣)。2019年泉州市實現(xiàn)地區(qū)生產(chǎn)總值達9 946.66億元，連續(xù)20年位居福建省首位。

1.2 多源數(shù)據(jù)來源與預(yù)處理

1.2.1 行政區(qū)劃及其網(wǎng)格數(shù)據(jù)

泉州市行政區(qū)劃數(shù)據(jù)來源于泉州市柵格地圖矢量化，共采集了泉州市市界、縣級、鄉(xiāng)鎮(zhèn)三個級行政單元的面狀矢量數(shù)據(jù)(*.shp格式，UTM投影；WGS84地理坐標系)，網(wǎng)格數(shù)據(jù)(*.shp格式)利用ArcGIS的“網(wǎng)格”工具實現(xiàn)500 m×500 m尺度的面狀網(wǎng)格，再與泉州市市界行政區(qū)劃相交得區(qū)劃內(nèi)網(wǎng)格作為基準網(wǎng)格，以利于其他多源數(shù)據(jù)以屬性值賦值于網(wǎng)格中，可消除不同遙感數(shù)據(jù)的空間位置和像元大小不一致等問題，實現(xiàn)多源數(shù)據(jù)空間位置的同一。

1.2.2 人口普查數(shù)據(jù)

人口普查數(shù)據(jù)來源于由村、鄉(xiāng)鎮(zhèn)(街道)、縣級普查后逐級往上匯總單元的2015年泉州市1%常住人口數(shù)抽樣調(diào)查數(shù)據(jù)，將其作為屬性賦值給前述縣級、鄉(xiāng)鎮(zhèn)行政區(qū)劃矢量數(shù)據(jù)當(dāng)中。

1.2.3 EVI植被指數(shù)數(shù)據(jù)

相關(guān)研究發(fā)現(xiàn)植被豐富度與不透水地表呈顯著負相關(guān)，與人類活動有密切相關(guān)，能在一定程度上反映人口分布與人類活動強度，利用植被指數(shù)融合夜間燈光緩解過飽和與溢出效應(yīng)，強化夜間燈光區(qū)域的內(nèi)部強度差異[7]。本文EVI植被數(shù)據(jù)指數(shù)數(shù)據(jù)來源于中國科學(xué)院計算機網(wǎng)絡(luò)信息中心國際科學(xué)數(shù)據(jù)鏡像網(wǎng)(http://www.gscloud.cn)。本文獲取2015年的MODIS傳感器影像，經(jīng)公式(1)處理獲得EVI。

(1)

式(1)中NIR、R同式(1)，B為藍波段即MODIS的第3波段。

依次輸入數(shù)據(jù)進行月合成植被指數(shù)后，再計算全年12個月月合成植被指數(shù)的算術(shù)平均值即為本文采用的EVI年均數(shù)據(jù)。通過QGIS軟件的柵格分析工具中的統(tǒng)計分析工具統(tǒng)計網(wǎng)格尺度的EVI指數(shù)像元平均值作為EVI指數(shù)網(wǎng)格屬性值，作為變量X1。

1.2.4 NPP-VIIRS夜間燈光數(shù)據(jù)

NPP-VIIRS夜間燈光數(shù)據(jù)來源于NOAA/NGDC所屬的地球觀測小組利用Suomi國家極地合作衛(wèi)星Suomi-NPP上搭載的可見紅外輻射成像計VIIRS的Day/Night波段(DNB)獲取的夜間燈光數(shù)據(jù)產(chǎn)品。為了與2015年人口普查數(shù)據(jù)保持一致，使用2015年年均夜間燈光光合成數(shù)據(jù)(SVDNB_npp_20150101-20151231_75N060E_vcm-ntl_v10_avg_rade9.tif)，泉州市區(qū)域像元值范圍為0～149。按上述預(yù)處理方法賦值于網(wǎng)格屬性值中，作為變量X2。

1.2.5 珞珈一號(LJ1-01)夜間燈光數(shù)據(jù)

珞珈一號(LJ1-01)是由我國武漢大學(xué)研發(fā)的全球首顆專業(yè)夜光遙感衛(wèi)星，空間分辨率為130 m，泉州市區(qū)域像元值范圍為1～850 220。本文利用其年均合成數(shù)據(jù)產(chǎn)品，按上述預(yù)處理方法賦值于網(wǎng)格屬性值中，作為變量X3。

1.2.6 土地利用數(shù)據(jù)

土地利用數(shù)據(jù)通過2015年泉州市范圍的Landsat8陸地衛(wèi)星遙感影像數(shù)據(jù)，空間分辨率為30 m×30 m，基于SVM分類法按建筑用地、植被、裸地、水體土地類型進行監(jiān)督分類后，分別提取每一種土地類型并統(tǒng)計其在500 m×500 m網(wǎng)格中的占比分別作為變量X4-X7。

1.2.7 DEM數(shù)據(jù)

DEM數(shù)據(jù)采用全球數(shù)字高程模型數(shù)據(jù)ASTER GDEM，其空間分辨率為30 m×30 m，按上述預(yù)處理方法賦值于網(wǎng)格屬性值中，作為變量X8。坡度數(shù)據(jù)則根據(jù)原始DEM數(shù)據(jù)生成，同理按上述預(yù)處理方法賦值于網(wǎng)格屬性值中，作為變量X9。

1.2.8 交通、水系矢量數(shù)據(jù)

交通數(shù)據(jù)來源于OpenStreetMap數(shù)據(jù)，水系數(shù)據(jù)則來源于福建省1∶50 000的水系數(shù)據(jù)。均將其投影為網(wǎng)格一致的投影坐標系，分別按歐氏距離、最小DEM成本距離、最小坡度成本距離作為變量X10-X15。

2 方法

2.1 人口關(guān)聯(lián)因素探索性相關(guān)分析

由于人口分布受諸多因素的影響，包括直接或間接、穩(wěn)定或變化、靜態(tài)或動態(tài)的作用與反饋的自然、人文社會經(jīng)濟等因素、現(xiàn)象及其所表現(xiàn)出的一些間接特征(如像元的波譜反射率、夜間燈光輻射)等。人口關(guān)聯(lián)因素探索性相關(guān)分析則可以揭示要素之間相互關(guān)系的密切程度，相互關(guān)系密切程度的測定主要通過相關(guān)系數(shù)的計算與顯著性檢驗來完成，計算模型如下：

(2)

2.2 人口網(wǎng)格化指標因子體系

據(jù)上述數(shù)據(jù)來源等實際情況選取以下指標因子：EVI植被指數(shù)(X1)，NPP-VIIRS夜間燈光強度(X2)，LJ1-01珞珈一號夜間燈光強度(X3)，土地利用-建設(shè)用地面積占比(X4)，土地利用-植被面積占比(X5)，土地利用-裸地面積占比(X6)，土地利用-水體面積占比(X7)，DEM(X8)，坡度(X9)，水系歐氏距離(X10)，道路歐氏距離(X11)，水系最小高程成本距離(X12)，水系最小坡度成本距離(X13)，道路最小高程成本距離(X14)，道路最小坡度成本距離(X15)。

2.3 人口網(wǎng)格化指標規(guī)范化變換

根據(jù)人口分布關(guān)聯(lián)因素分析，上述15個指標因子與人口網(wǎng)格化存在正關(guān)聯(lián)或者負關(guān)聯(lián)關(guān)系。由于上述指標單位(量綱)不一，指標之間數(shù)值大小懸殊，因此首先必須規(guī)范化變換，模型如下：

(3)

式(3)中xj,k為j網(wǎng)格k指標規(guī)范變換前與變換后的值，max(Xj,k)、min(Xj,k)分別為泉州市所有網(wǎng)格中k指標的最大值與最小值。指標體系中指標的相關(guān)系數(shù)若大于0則應(yīng)用式(3)-a變換，相關(guān)系數(shù)若小于0則采用式(3)-b變換。

2.4 人口網(wǎng)格化指標賦權(quán)

行政區(qū)劃單元類型是多指標綜合的結(jié)果，與人口空間分布具一定關(guān)系。因此基于地理探測器法(Geodetector)[8]對人口分布區(qū)按類劃分(區(qū)域分類)，地理探測器作為一種用來探析空間分異性和驗證地理現(xiàn)象與其潛在的驅(qū)動因子之間關(guān)系的新的一組統(tǒng)計學(xué)方法，在地理探測器q變量值下利用“分異及因子探測”挖掘人口分布的關(guān)聯(lián)因素及兩兩間的交互作用。以潛在關(guān)聯(lián)因素為自變量x、人口密度為因變量y，則地理探測器法計算如下：

(4)

式(4)中：k=1，…，K為潛在關(guān)聯(lián)因子即自變量x的分類/分區(qū)數(shù)，從而人口密度即因變量y也被x劃分為相同的k類(或分區(qū))，N、Nk分別為總的(或全區(qū))和k類(或分區(qū))的人口密度y的樣本容量(空間單元數(shù)也即鄉(xiāng)鎮(zhèn)域或網(wǎng)格數(shù))，σ2、σk2分別為y的總及k類方差：

(5)

(6)

由于指標體系中不同指標對人口空間分布的貢獻、作用或重要性大小也不同，因此需要對指標進行賦權(quán)，本文采用基于“分異及因子探測”的方法進行賦權(quán)，如下：

(7)

式(7)中qj為分異及因子探測的j指標的q值，j表示指標體系中n個指標的序號，h表示i組指標體系組合的序號，rh,k表示第h種指標組合中第k指標的權(quán)重。

2.5 多源加權(quán)融合的人口綜合建模與網(wǎng)格化

經(jīng)指標規(guī)范變換、賦權(quán)后，則多源加權(quán)融合的模型如下：

(8)

式(8)中xi,j,k表示i鄉(xiāng)鎮(zhèn)域中的j網(wǎng)格k指標規(guī)范變換后的值、rh,k見式，則ζi,j,h為h組指標組合的i鄉(xiāng)鎮(zhèn)域中的j網(wǎng)格的人口分布的綜合關(guān)聯(lián)度，則多元綜合人口網(wǎng)格化模型為：

(9)

式(9)中Qi為i鄉(xiāng)鎮(zhèn)的2015年人口1%抽查的鄉(xiāng)鎮(zhèn)域常住人口，Mi為i鄉(xiāng)鎮(zhèn)域中的500 m×500 m尺度網(wǎng)格的總個數(shù)，i為鄉(xiāng)鎮(zhèn)ID碼、j為網(wǎng)格ID碼，ζi,j,h見式，pi,j,h為h組指標組合的i鄉(xiāng)鎮(zhèn)域中j網(wǎng)格的網(wǎng)格人口。

2.6 技術(shù)路線

以泉州市鄉(xiāng)鎮(zhèn)行政單元，基于單元內(nèi)的人口數(shù)據(jù)與EVI、NPP-VIIRS、LJ01-1、土地利用等多源數(shù)據(jù)提取的變量因子進行相關(guān)性關(guān)聯(lián)分析，地理探測器的“分異及因子探測”法進行賦權(quán)，實現(xiàn)基于多元綜合法的500 m×500 m尺度大小的泉州市人口網(wǎng)格化，技術(shù)路線見圖1。

圖1 人口網(wǎng)格化技術(shù)路線圖

3 泉州市人口網(wǎng)格化

根據(jù)人口分布關(guān)聯(lián)因素挖掘結(jié)果(見表1)：①據(jù)相關(guān)分析結(jié)果，僅水體面積占比(X7)未通過顯著性檢驗，因此不是人口分布的關(guān)聯(lián)因素；②根據(jù)地理探測器法，交通可達性僅道路歐氏距離(X11)、水系可達性僅水系歐氏距離(X10)是人口分布關(guān)聯(lián)因素，而水系最小高程成本距離(X12)、水系最小坡度成本距離(X13)、道路最小高程成本距離(X14)、道路最小坡度成本距離(X15)的P值未通過檢驗；③燈光強度NPP-VIIRS(X2)、LJ1-01(X3)分別是人口分布關(guān)聯(lián)因素，分別作為不同變量實現(xiàn)不同多元綜合模型進行人口網(wǎng)格化。

表1 泉州市人口分布因素挖掘及其對人口網(wǎng)格化中的作用、貢獻(權(quán)重)

根據(jù)①—③，指標體系為X1、X4、X5、X6、X8、X9、X10、X11及夜間燈光數(shù)據(jù)(X2或X3)擇一構(gòu)建不同燈光的2種組合的指標體系，如表1所示，即分別由基于q值的人口網(wǎng)格化權(quán)重r1、r2、每列中不為0的指標組成了略有差異的兩組指標體系進而構(gòu)建人口網(wǎng)格化。

綜上述變量與公式，計算得到2015年泉州市多源多元加權(quán)綜合融合的500 m×500 m人口網(wǎng)格化的結(jié)果如圖2所示，兩組指標組合的結(jié)果基本一致，可以互證。

圖2 泉州市(不包括金門縣)0.25 km2尺度的人口網(wǎng)格化結(jié)果

進一步為了驗證應(yīng)用精度，通過h1和h2得到的人口網(wǎng)格化結(jié)果，根據(jù)相對誤差公式δ=(X-X′)/X′計算其相對誤差部分結(jié)果表2，從所有鄉(xiāng)鎮(zhèn)累積相對誤差來看，則基于LJ1-01夜間燈光模型比基于NPP-VIIRS夜間燈光的相對誤差低，累計相對誤差也更小，說明LJ-01數(shù)據(jù)能夠更加有效地反映人類活動特征，其在人類空間活動領(lǐng)域有更大的應(yīng)用價值與應(yīng)用潛力，可為人類可持續(xù)開展作出更長遠的貢獻。

表2 泉州市部分鄉(xiāng)鎮(zhèn)人口網(wǎng)格化相對誤差

4 結(jié)語

本文在GIS技術(shù)和多源遙感數(shù)據(jù)的支持下，應(yīng)用人口關(guān)聯(lián)因素相關(guān)分析探索泉州市的植被指數(shù)EVI、夜間燈光(NPP、LJ1-01)、土地利用數(shù)據(jù)、高程數(shù)據(jù)及交通與水系矢量數(shù)據(jù)等多源異構(gòu)數(shù)據(jù)的關(guān)聯(lián)性，利用地理探測器的“分異及因子探測”法進行賦權(quán)，實現(xiàn)基于多元綜合法的泉州市人口網(wǎng)格化。兩組指標組合的結(jié)果基本一致，可以互證，但從相對誤差比較，則LJ1-01數(shù)據(jù)在人口網(wǎng)格化的精度由于NPP-VIIRS數(shù)據(jù)，表明說明LJ-01數(shù)據(jù)具有更大潛力，人口網(wǎng)格化結(jié)果圖可為相關(guān)部門在災(zāi)害風(fēng)險評估救援、疾病防疫防控、商業(yè)決策、區(qū)域規(guī)劃與開發(fā)等領(lǐng)域提供輔助決策。