于婷婷

（遼寧師范大學(xué)地理科學(xué)學(xué)院，遼寧 大連116000）

人口數(shù)據(jù)空間化可以獲取不同空間尺度上的人口空間分布信息，是實(shí)現(xiàn)人口與社會(huì)經(jīng)濟(jì)、資源、環(huán)境耦合的重要途徑之一，對(duì)國(guó)家制定宏觀決策，提高綜合管理能力具有重要意義[1]。

人口空間化的方法和技術(shù)研究一直是研究熱點(diǎn)，主要方法有空間插值法、多源數(shù)據(jù)融合法和影響因子分析法等[2]。大量研究表明夜間燈光數(shù)據(jù)與人口分布之間存在顯著關(guān)系，現(xiàn)有夜間燈光數(shù)據(jù)有DMSP/OLS、NPP/VIIRS 和珞珈一號(hào)[3]，鄒雅婧[4]等基于NPP/VIIRS 和珞珈一號(hào)兩種夜間燈光數(shù)據(jù)與人口數(shù)據(jù)進(jìn)行SLM建模，結(jié)果證明珞珈一號(hào)數(shù)據(jù)在人口空間化研究中具有更高的精度；李欣欣[5]等使用土地利用和夜間燈光數(shù)據(jù)分別建立人口空間化模型。大量學(xué)者運(yùn)用夜間燈光數(shù)據(jù)模擬人口空間化，但方法不盡相同。王釗[6]等采用SLM模型進(jìn)行人口空間化建模，王珂靖[7]等采用GWR 模型結(jié)合土地利用數(shù)據(jù)進(jìn)行人口空間化建模，結(jié)果表明人口空間化精度與建模方法和格網(wǎng)尺度大小密切相關(guān)。目前基于珞珈一號(hào)的人口空間化模擬較少，且尚無(wú)空間滯后模型和地理加權(quán)回歸模型應(yīng)用于人口空間化方面的比較研究。

本文選取大連市甘井子區(qū)為研究區(qū)域，基于珞珈一號(hào)夜間燈光數(shù)據(jù)、土地利用數(shù)據(jù)數(shù)據(jù)以及人口數(shù)據(jù)，建立研究區(qū)200m×200m 格網(wǎng)，采用SLM和GWR 模型分別進(jìn)行人口空間化建模，并對(duì)其結(jié)果進(jìn)行精度評(píng)價(jià)和分析，為大連是甘井子區(qū)人口與區(qū)域政策等相關(guān)研究提供參考，為人口空間化相關(guān)研究提供參考。

1 數(shù)據(jù)來(lái)源及數(shù)據(jù)預(yù)處理

1.1 研究區(qū)概況

甘井子區(qū)，隸屬于遼寧省大連市，位于大連市西部和西北部，東、南臨黃海，北瀕渤海，與金州區(qū)、沙河口區(qū)和旅順口區(qū)毗鄰，總面積502km2。2018 年，甘井子區(qū)下轄16 個(gè)街道，戶籍人口79.8338 萬(wàn)人。甘井子區(qū)屬大連市市內(nèi)四區(qū)之一，位于城鄉(xiāng)結(jié)合處，是大連市城市的擴(kuò)展的重要區(qū)域，特殊的地理位置使得大連市甘井子區(qū)擁有良好的發(fā)展要素。

1.2 數(shù)據(jù)來(lái)源及預(yù)處理

2018 年土地利用數(shù)據(jù)來(lái)自中科院地理科學(xué)與資源研究所的資源環(huán)境科學(xué)與數(shù)據(jù)中心。人口數(shù)據(jù)來(lái)采用2018 年LandScan 全球人口動(dòng)態(tài)統(tǒng)計(jì)分析數(shù)據(jù)庫(kù)。夜間燈光數(shù)據(jù)采用2019 年珞珈一號(hào)星夜間燈光數(shù)據(jù)，來(lái)源于高分辨率對(duì)地觀測(cè)系統(tǒng)湖北數(shù)據(jù)與應(yīng)用中心，空間分辨率130 m，但其在傳輸過程中會(huì)存在數(shù)據(jù)輻射失真現(xiàn)象，因此需要進(jìn)行輻射校正，輻射校正后DN 值范圍為[0，82.9728]。

建立研究區(qū)域200m×200m 格網(wǎng)，將輻射校正后的DN 值和人口密度數(shù)據(jù)重采樣到200m×200m 格網(wǎng)內(nèi)，并統(tǒng)計(jì)每個(gè)格網(wǎng)內(nèi)各類土地利用類型面積， 以上數(shù)據(jù)均投影為WGS84-UTM-51N 坐標(biāo)系。

2 研究方法與模型

2.1 空間滯后回歸模型

空間滯后回歸（Spatial Lag Model，SLM）可以考慮人口數(shù)據(jù)的空間相關(guān)性，模型的一般形式如下：

其中，POPi為因變量，指第i 個(gè)格網(wǎng)的人口數(shù)量；W 為空間權(quán)重矩陣；DNi為因變量，指第i 個(gè)格網(wǎng)的DN 值；ρ 為空間滯后變量WPOPi的回歸系數(shù)，以此確定人口分布的空間效應(yīng)；β 為因變量的系數(shù)；ε 為白噪聲。

2.2 地理加權(quán)回歸

地理加權(quán)回歸（Geographic Weighted Regression，GWR）將地理位置加入到數(shù)據(jù)的回歸參數(shù)之中。模型結(jié)構(gòu)如下：

其中，（ui,vi）為第i 個(gè)格網(wǎng)的地理中心坐標(biāo)；β0（ui,vi）是第i 個(gè)自變量回歸的常數(shù)項(xiàng)；βj（ui,vi）為第i 個(gè)自變量的第j 個(gè)回歸參數(shù)；xij為第i 個(gè)因變量空間上的第j 個(gè)變量；j 為因變量參與回歸的輔助數(shù)據(jù)個(gè)數(shù)；εi為誤差項(xiàng)。

3 人口空間化結(jié)果及精度評(píng)價(jià)

通過計(jì)算得到甘井子區(qū)人口數(shù)據(jù)的Moran's 指數(shù)為0.96，為空間正相關(guān)。運(yùn)用SPSS 軟件分析得到人口數(shù)據(jù)與DN 值和土地利用中的居民用地面積成顯著相關(guān)（p＞0.01）。

3.1 基于SLM和GWR 的人口空間化結(jié)果

運(yùn)用公式（1）、（2），以人口數(shù)據(jù)作為因變量，輻射正后DN 值和居民用地面積作為自變量，進(jìn)行SLM和GWR 建模得到模型擬合度R2分別為達(dá)0.95 和0.67,模型和各自變量系數(shù)的統(tǒng)計(jì)檢驗(yàn)都達(dá)到了顯著水平，結(jié)果如表1、圖1、2 所示。

表1 空間滯后回歸系數(shù)表

圖1 基于空間滯后回歸模型的人口空間化

圖2 基于地理加權(quán)回歸模型的人口空間化

3.2 人口空間化對(duì)比分析及精度分析

將兩種模型對(duì)比來(lái)說(shuō)，SLM以空間自相關(guān)為前提，但實(shí)際上是一種全局空間回歸模型，模型中各格網(wǎng)系數(shù)仍相同，不能突出人口異質(zhì)性。GWR 是典型的局部模型，回歸系數(shù)隨著變量的空間位置的變化而變化，因此GWR 模型可以更好的考慮居民用地對(duì)人口空間分布的影響，與實(shí)際更相符。對(duì)人口空間化的數(shù)據(jù)進(jìn)行整理并根據(jù)公式（3）計(jì)算得到，基于SLM和GWR 模型構(gòu)建的模型絕對(duì)誤差為9.2%和12.5%，兩種模型的精度都較高。

3.3 人口空間分布格局特征

人口空間化結(jié)果中，南關(guān)嶺街道、中華路街道、泡崖街道、興華街道、椒金山街道、甘井子街道、周水子街道和機(jī)場(chǎng)前街道人口密度較大，位于城市中心區(qū)域及中心邊緣區(qū)域，交通便利城市發(fā)展較好，因此居民點(diǎn)較多人口密度較大；泉水街道、大連灣街道西部、革鎮(zhèn)堡街道南部、辛寨子街道東部，紅旗街道東部以及凌水街道東部及北部人口數(shù)量相對(duì)居中，該區(qū)域主要為城鄉(xiāng)結(jié)合處，其中凌水街道為國(guó)家級(jí)高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)，吸引大量人才和投資創(chuàng)業(yè)者，發(fā)展較迅速；其他地方多為生態(tài)保護(hù)區(qū)和農(nóng)村，因此人口數(shù)量較少。

結(jié)束語(yǔ)

人口空間分布受自然、社會(huì)經(jīng)濟(jì)等因素的影響，大部分學(xué)者都在大尺度下進(jìn)行人口空間化建模，本文選用200m×200m 格網(wǎng)的小尺度人口空間化建模，且運(yùn)用兩種建模方式比較小尺度下兩種建模方式的精度并分析其原因。另外，夜間燈光輻射率和人口數(shù)據(jù)關(guān)系往往只是在局部范圍內(nèi)呈線性相關(guān)，人口空間分布還受多種因素影響，因而在探究人口空間化的方法和技術(shù)中還需要進(jìn)一步優(yōu)化。