焦歡，肖禾，李輝，高麗

（1.重慶市地理信息和遙感應(yīng)用中心，重慶 401147；2.重慶財(cái)經(jīng)學(xué)院，重慶 401320；3.重慶工程職業(yè)技術(shù)學(xué)院，重慶 402260）

人口是生活在特定社會(huì)制度、特定地域具有一定數(shù)量和質(zhì)量的人的總稱。人口空間分布是指在某一確切的時(shí)點(diǎn)上人口在地理位置上的分布狀況，是人口變化在空間上的表現(xiàn)［1-3］。人口統(tǒng)計(jì)數(shù)據(jù)空間化就是把人口數(shù)據(jù)進(jìn)行定量和定位，以行政區(qū)域?yàn)閱卧讶丝跀?shù)據(jù)量化到一定的尺度的地理網(wǎng)格上［4-6］。人口增長(zhǎng)一直都是時(shí)代的核心議題，而人口增長(zhǎng)帶來(lái)的在自然環(huán)境、資源、能源等之間的矛盾則更應(yīng)被關(guān)注。深入了解一個(gè)地區(qū)的人口信息，關(guān)注人口空間的地理位置分布，預(yù)測(cè)人口地理空間變動(dòng)趨勢(shì)有利于對(duì)各種社會(huì)、經(jīng)濟(jì)、資源和環(huán)境問(wèn)題的解決。目前，人口數(shù)據(jù)的獲得大多是按行政單位通過(guò)普查或抽樣方式進(jìn)行，容易忽略人口內(nèi)部分布的異質(zhì)性。同時(shí)，這類人口調(diào)查通常耗時(shí)耗力，更新周期長(zhǎng)，且通常以行政單位對(duì)數(shù)據(jù)進(jìn)行公布，不利于人口數(shù)據(jù)的綜合利用。而人口空間數(shù)據(jù)彌補(bǔ)了這類缺陷，其適配性強(qiáng)，可以與其他數(shù)據(jù)進(jìn)行綜合利用。

中國(guó)地形復(fù)雜，主要以山地為主，其面積約占國(guó)土面積的70%，山區(qū)居住的人口約有5.8億人，占全國(guó)人口的2/5。山區(qū)的發(fā)展是中國(guó)發(fā)展的重要板塊，山區(qū)人口的分布狀況對(duì)山區(qū)發(fā)展經(jīng)濟(jì)有著非常重要的影響［7-9］。彭水苗族土家族自治縣（簡(jiǎn)稱彭水縣）地處山區(qū)，同時(shí)也是一個(gè)少數(shù)民族自治縣，地域特色突出，本研究選取彭水縣為研究區(qū)，采用地形、土地利用類型、道路及河流數(shù)據(jù)為基礎(chǔ)，以居民點(diǎn)為指示因子，應(yīng)用大數(shù)據(jù)融合技術(shù)和空間回歸模型，在鄉(xiāng)鎮(zhèn)尺度上進(jìn)行人口空間化分析，結(jié)果生成30 m×30 m分辨率柵格人口密度圖，在保持?jǐn)?shù)據(jù)一致性的基礎(chǔ)上也反映人口內(nèi)部的空間變化。

1 研究區(qū)概況

彭水縣位于長(zhǎng)江上游地區(qū)、重慶市東南部，處武陵山區(qū)，居烏江下游，與石柱縣、利川市、黔江區(qū)、沿河縣等接壤，地跨北緯28°57′—29°51′，東經(jīng)107°48′—108°36′。轄區(qū)總面積為3 903 km2，下轄3街道18鎮(zhèn)18鄉(xiāng)，是重慶市惟一以苗族為主的少數(shù)民族自治縣，其中苗族人口占43.41%，其他少數(shù)民族占10.44%，由于地處山地，區(qū)域內(nèi)部呈現(xiàn)出較大的分割差異，導(dǎo)致人口分布、地區(qū)經(jīng)濟(jì)發(fā)展極不均衡。

研究區(qū)屬中亞熱帶溫潤(rùn)季風(fēng)氣候區(qū)，氣候溫和，雨量充沛，霧多，光照偏少，年平均氣溫17.50℃，地勢(shì)西北高而東南低，以中、低山地形為主，各類地貌中丘陵河谷地貌區(qū)約占13.40%，低山地貌區(qū)約占52.86%，中山地貌區(qū)約占34.04%，呈現(xiàn)兩山夾一槽的地貌特征，為中國(guó)西南典型山區(qū)。

2 數(shù)據(jù)源及數(shù)據(jù)預(yù)處理

2.1 數(shù)據(jù)源

本研究使用數(shù)據(jù)源包括：①彭水縣基礎(chǔ)地理空間數(shù)據(jù)，包括研究區(qū)區(qū)縣邊界數(shù)據(jù)、河流以及道路數(shù)據(jù)等；②彭水縣2018年土地利用現(xiàn)狀數(shù)據(jù)（水系、道路、居民點(diǎn)等要素），通過(guò)人機(jī)交互解譯獲取，同時(shí)將解譯出的成果數(shù)據(jù)隨機(jī)選取800個(gè)點(diǎn)進(jìn)行了解譯精度驗(yàn)證，數(shù)據(jù)的總整體精度在95%以上，滿足本研究精度要求；③2018年彭水縣人口統(tǒng)計(jì)數(shù)據(jù)（彭水縣2018年統(tǒng)計(jì)年鑒）；④彭水縣1∶10 000 DEM數(shù)據(jù)，分辨率為30 m，重慶市數(shù)字高程模型數(shù)據(jù)（DEM），來(lái)源于地理空間數(shù)據(jù)云（http：//www.gscloud.cn/），并對(duì)數(shù)據(jù)進(jìn)行拼接和裁剪，得到研究區(qū)數(shù)據(jù)；⑤WorldPop數(shù)據(jù)來(lái)源于英國(guó)南安普頓大學(xué)地理數(shù)據(jù)研究所。2018年中國(guó)區(qū)域WorldPop數(shù)據(jù)集是通過(guò)土地覆被類型法來(lái)進(jìn)行轉(zhuǎn)換的，所用的土地覆被數(shù)據(jù)為MDAGeoCover數(shù)據(jù)集，輔助數(shù)據(jù)包括建筑用地分布數(shù)據(jù)、OpenStreetMap數(shù)據(jù)、城鎮(zhèn)規(guī)劃數(shù)據(jù)等。

2.2 數(shù)據(jù)處理

1）將彭水縣1∶10 000 DEM柵格數(shù)據(jù)轉(zhuǎn)換為矢量數(shù)據(jù)。

2）將所有矢量數(shù)據(jù)（土地利用現(xiàn)狀數(shù)據(jù)、DEM、居民點(diǎn)分布數(shù)據(jù)等）進(jìn)行投影轉(zhuǎn)換，將其標(biāo)準(zhǔn)規(guī)范及空間投影參數(shù)統(tǒng)一，然后進(jìn)行空間匹配，以便進(jìn)一步分析。

3）利用ArcGIS10.2將彭水縣居民點(diǎn)數(shù)據(jù)與土地利用類型數(shù)據(jù)進(jìn)行整合，得到不同土地利用類型居民點(diǎn)的分布情況。

4）對(duì)彭水縣道路，河流水系數(shù)據(jù)分別進(jìn)行緩沖區(qū)分析，并獲取不同緩沖區(qū)范圍內(nèi)的居民點(diǎn)分布數(shù)據(jù)。

5）提取主要公路數(shù)據(jù)，使用ArcGIS中Identity命令來(lái)計(jì)算各鄉(xiāng)鎮(zhèn)道路的主要公路里程，求出各鄉(xiāng)鎮(zhèn)的主要道路網(wǎng)密度，并計(jì)算出居民點(diǎn)和主要道路之間的距離。

6）使用ArcGIS中Identity命令來(lái)計(jì)算各鄉(xiāng)鎮(zhèn)河流的長(zhǎng)度，求出各鄉(xiāng)鎮(zhèn)的河網(wǎng)密度，并計(jì)算出居民點(diǎn)和河流之間的距離。

2.3 人口數(shù)據(jù)與環(huán)境因子相關(guān)性分析

人口空間分布受自然、社會(huì)經(jīng)濟(jì)發(fā)展程度等因素的影響［10-13］，本研究運(yùn)用SPSS軟件對(duì)彭水縣的人口密度、地形地勢(shì)、道路、河流、土地利用類型進(jìn)行了相關(guān)性分析：①各研究區(qū)的人口密度和地勢(shì)之間相關(guān)系數(shù)分別為0.474、0.521、0.455，說(shuō)明人口密度和地形地勢(shì)存在著較為緊密的關(guān)系。②各研究區(qū)人口密度和道路之間的相關(guān)系數(shù)為0.688，說(shuō)明人口密度和道路密度之間也存在著較強(qiáng)的相關(guān)性。③人口密度與河流密度的相關(guān)系數(shù)為0.486，說(shuō)明各研究區(qū)人口密度與河網(wǎng)發(fā)達(dá)程度有一定相關(guān)性。④各研究區(qū)人口密度與居民點(diǎn)密度的相關(guān)系數(shù)為0.683，表明居民點(diǎn)密度與人口密度之間存在較強(qiáng)的關(guān)系。⑤通過(guò)分析各鄉(xiāng)鎮(zhèn)居民地占鄉(xiāng)鎮(zhèn)總面積的比重，得出其與各鄉(xiāng)鎮(zhèn)人口密度的相關(guān)系數(shù)為0.905，說(shuō)明居民用地與人口密度存在著非常緊密的關(guān)系，其中居民用地（包括城鎮(zhèn)建設(shè)用地與農(nóng)村居民用地）與人口分布最為密切。

海拔高度、道路、河流、土地利用類型等因子對(duì)人口分布影響較大。因此，選取上述4類因子對(duì)研究區(qū)進(jìn)行人口統(tǒng)計(jì)數(shù)據(jù)空間化研究。

3 研究思路與方法

3.1 研究思路

通過(guò)相關(guān)性分析可知，人口分布受居民點(diǎn)分布、土地利用類型、海拔、河流、道路等因子的影響。本研究主要的研究思路為：①通過(guò)GIS分析功能，得出各因子對(duì)居民點(diǎn)分布的影響權(quán)重；②得出各因子對(duì)人口分布的影響權(quán)重；③把影響因子與居民點(diǎn)權(quán)重?cái)?shù)據(jù)進(jìn)行融合；④采用單要素和多因子加權(quán)融合法擬合各鄉(xiāng)鎮(zhèn)的人口密度系數(shù)，再進(jìn)行相關(guān)性分析，根據(jù)分析結(jié)果驗(yàn)證研究方法的準(zhǔn)確度。

3.2 研究方法

3.2.1 空間回歸模型經(jīng)典的空間回歸模型為空間滯后模型及空間誤差模型［14-16］，如式（1）所示：

式中，Y為因變量，X為自變量，β為X的空間回歸系數(shù)，μ為殘差，W為空間權(quán)重矩陣，ρ為空間自回歸系數(shù)，λ為空間自相關(guān)系數(shù)，ξ為因變量誤差，ε為自變量誤差。

當(dāng)μ=μ1時(shí)，模型為空間滯后模型（SLM）；當(dāng)μ=μ2時(shí)，模型為空間誤差模型（SEM），本研究經(jīng)過(guò)模型比較選擇最佳空間回歸模型?？臻g回歸模型中R2（相關(guān)系數(shù)）的取值范圍為［0，1］，R2越接近于1，說(shuō)明模型的回歸擬合效果越好；基于八鄰域（Queen）鄰接規(guī)則的空間樣本常常與其周?chē)臻g單元具有更加緊密的關(guān)聯(lián)效應(yīng)［17-20］。為更能全面地反映行政區(qū)域單元空間鄰接關(guān)系，選擇構(gòu)建基于八鄰域鄰接關(guān)系的空間權(quán)重矩陣，認(rèn)為當(dāng)兩個(gè)空間單元存在公共邊或同一點(diǎn)即為相鄰，權(quán)值為1，反之則為0。

鑒于人口數(shù)量不可能為負(fù)值，本研究默認(rèn)回歸模型的自變量系數(shù)及常量必須為正值，且還需通過(guò)顯著性檢驗(yàn)。建立空間回歸模型后，將模型中的常量平均分配到每個(gè)鄉(xiāng)鎮(zhèn)的各個(gè)格網(wǎng)上，即在計(jì)算各格網(wǎng)單元上的人口數(shù)值時(shí)，原模型中的常量發(fā)生了變化，其余參數(shù)均未變。將各格網(wǎng)單元上的自變量數(shù)值代入模型計(jì)算各格網(wǎng)單元上的人口數(shù)值，實(shí)現(xiàn)500 m格網(wǎng)單元的人口構(gòu)建。

3.2.2 影響因子權(quán)重確定

1）各因子對(duì)人口分布影響權(quán)重的確定。

①確定海拔高度對(duì)居民點(diǎn)分布的影響權(quán)重。將DEM轉(zhuǎn)化為矢量數(shù)據(jù)與居民點(diǎn)分布圖進(jìn)行疊加分析，統(tǒng)計(jì)出各地形層次的面積和居民點(diǎn)數(shù)量，計(jì)算出居民點(diǎn)的密度（表1）。

表1 居民點(diǎn)密度隨海拔高度變化表

②確定主要道路對(duì)居民點(diǎn)分布的影響權(quán)重。研究區(qū)主要路網(wǎng)設(shè)置了500 m的多級(jí)緩沖帶。將道路緩沖區(qū)圖與居民點(diǎn)分布圖疊加，得到不同距離緩沖區(qū)內(nèi)居民點(diǎn)的數(shù)量和面積，計(jì)算出各緩沖區(qū)內(nèi)居民點(diǎn)的密度（表2）。

表2 居民點(diǎn)密度隨道路緩沖距離變化表

③確定河流水系對(duì)居民點(diǎn)分布的影響權(quán)重。對(duì)彭水縣河流每隔500 m建立一個(gè)緩沖區(qū)，將生成的河流緩沖區(qū)圖與居民點(diǎn)分布圖疊加，得到不同距離緩沖區(qū)中居民點(diǎn)的數(shù)量，計(jì)算河流緩沖區(qū)中的居民點(diǎn)密度（表3）。

表3 居民點(diǎn)密度隨河流緩沖距離變化表

④土地利用類型中的居民用地、工礦用地以及耕地是人類活動(dòng)作用自然界最直接的體現(xiàn)［21］。確定土地利用對(duì)居民點(diǎn)分布的影響權(quán)重。利用Arc-GIS10.2軟件將土地利用分布圖與居民點(diǎn)圖進(jìn)行疊加，再計(jì)算各地類中居民點(diǎn)的分布密度（表4），作為土地利用對(duì)居民點(diǎn)分布影響權(quán)重選定依據(jù)。

表4 居民點(diǎn)在各土地利用類型中的分布

從表1～表4可以看出，海拔在200～1 000 m間的居民點(diǎn)密度較高，均在10個(gè)/km2以上，海拔1 000 m以上居民點(diǎn)密度最小，均在10個(gè)/km2以下，人煙稀少。隨著道路緩沖半徑的增加，居民點(diǎn)密度總體呈現(xiàn)遞減的趨勢(shì)，在0～3 000 m的緩沖范圍內(nèi)，居民點(diǎn)密度最高為18.28個(gè)/km2，最小為8.26個(gè)/km2。隨著河流緩沖半徑的增加，居民點(diǎn)密度總體呈現(xiàn)遞減的趨勢(shì)，在0～3 000 m的緩沖范圍內(nèi)，居民點(diǎn)密度最高為14.96個(gè)/km2，最小為9.35個(gè)/km2。居民點(diǎn)分布與土地利用類型之間也存在較高的相關(guān)性，與耕地和建設(shè)用地相關(guān)性最高。

2）各影響因子與居民點(diǎn)權(quán)重?cái)?shù)據(jù)融合。

①獲取各因子決定的人口權(quán)重相對(duì)值Vr，該值使得各因子所得的人口權(quán)重值具有可比性，計(jì)算公式如下：

式中，Di為因子某個(gè)分級(jí)（i級(jí)）的人口權(quán)重值；i表示具體為哪個(gè)分級(jí)；N為因子分級(jí)（類型）的個(gè)數(shù)；t表示遍歷的所有分級(jí)。

②獲取各因子人口分布相對(duì)值Pr，將各因子決定的人口權(quán)重相對(duì)值與居民點(diǎn)人口權(quán)重結(jié)果疊加，得到4個(gè)因子分別決定的人口分布相對(duì)值圖層。

③獲取研究區(qū)相對(duì)人口密度柵格圖，計(jì)算公式為［22］：

式中，Pr0為相對(duì)人口密度柵格值；n為因子個(gè)數(shù)，這里取4；λt為因子影響權(quán)重。

通過(guò)ArcGIS疊加分析及相關(guān)性分析得到海拔高度、道路交通、河流水系以及土地利用4個(gè)因子的影響權(quán)重（表5）。

表5 居民點(diǎn)分布影響因子權(quán)重表

3.2.3 影響因子權(quán)重確定在縣級(jí)尺度上對(duì)人口數(shù)據(jù)進(jìn)行空間化分析，并通過(guò)相對(duì)誤差（RE）、平均相對(duì)誤差（MRE）、平均絕對(duì)誤差（MAE）和均方根誤差（RMSE）來(lái)對(duì)其結(jié)果進(jìn)行驗(yàn)證，其評(píng)價(jià)指標(biāo)計(jì)算公式如表6所示。

表6 評(píng)價(jià)指標(biāo)計(jì)算公式

4 人口空間分布模擬

為與區(qū)縣一級(jí)的人口統(tǒng)計(jì)數(shù)據(jù)保持一致，將研究區(qū)以30 m×30 m的柵格生成人口密度圖，按照以下公式進(jìn)行計(jì)算，公式為：

式中，Pri為任意柵格點(diǎn)相對(duì)人口密度；Pt為某鄉(xiāng)鎮(zhèn)人口總數(shù)；Pi為該柵格點(diǎn)上分布人口數(shù)；n為某鄉(xiāng)鎮(zhèn)柵格數(shù)；

再利用ArcGIS10.2軟件中分析工具的柵格計(jì)算器，最終得到研究區(qū)30 m×30 m柵格的人口密度分布圖（圖1）。彭水縣2018年人口統(tǒng)計(jì)數(shù)據(jù)分布圖（圖2）。

經(jīng)過(guò)上述相關(guān)性分析和空間回歸分析，結(jié)合縣域人口分布的修正，本研究在30個(gè)網(wǎng)格單元上估算人口值，分析了2018年彭水縣人口空間化（圖1、圖2）。由于未利用的土地和水域未納入空間回歸模型，本研究在實(shí)現(xiàn)人口數(shù)據(jù)空間化的過(guò)程中，將這兩類土地利用類型的網(wǎng)格單元人口設(shè)置為0，并認(rèn)為它們是無(wú)人居住的，符合實(shí)際的人口分布規(guī)律。2018年彭水縣人口分布主要集中在建設(shè)用地板塊，人口分布高值區(qū)主要處在縣城區(qū)域，其人口最高值為16 009，最小值為0，人口分布呈現(xiàn)出中部高、四周低、東部高、西部低的趨勢(shì)，反映了相對(duì)平緩的山區(qū)土地利用和經(jīng)濟(jì)發(fā)展基礎(chǔ)更好，人口集中度更高，城市化的發(fā)展也相對(duì)來(lái)說(shuō)更快。其中，距離縣城較遠(yuǎn)的鄉(xiāng)鎮(zhèn)大部分屬于海拔較高的山區(qū)，用地條件較差，經(jīng)濟(jì)發(fā)展相對(duì)緩慢，人口分布數(shù)量較低。結(jié)合2018年彭水縣人口分布的實(shí)際情況來(lái)看，研究結(jié)果符合2018年彭水縣人口分布的實(shí)際情況。

圖1 基于GIS的研究區(qū)人口密度模擬分布

圖2 研究區(qū)人口統(tǒng)計(jì)數(shù)據(jù)分布

5 結(jié)果驗(yàn)證

通過(guò)隨機(jī)抽取彭水縣的12個(gè)鄉(xiāng)鎮(zhèn)，根據(jù)人口數(shù)據(jù)、WorldPop和基于土地利用的中國(guó)公里網(wǎng)格人口分布數(shù)據(jù)集的空間結(jié)果，對(duì)鄉(xiāng)鎮(zhèn)人口進(jìn)行統(tǒng)計(jì)，再將其與常住人口進(jìn)行對(duì)比分析得出相對(duì)誤差（RE）、平均相對(duì)誤差（MRE）、平均絕對(duì)誤差（MAE）、均方根誤差（RMSE）以得到人口空間化誤差統(tǒng)計(jì)表（表7）。本研究的MRE、MAE、RMSE分別為43.34%、1 532、3 004，WorldPop數(shù)據(jù)集的MRE、MAE、RMSE分別為73.66%、1 845、3 156，中國(guó)公里網(wǎng)格人口分布數(shù)據(jù)集的MRE、MAE、RMSE分別為74.69%、1 956、3 023。本研究誤差統(tǒng)計(jì)均小于WorldPop和中國(guó)公里網(wǎng)格人口分布數(shù)據(jù)集，表明本研究中彭水縣區(qū)域的人口空間化數(shù)據(jù)結(jié)果精度高于WorldPop和中國(guó)公里網(wǎng)格人口分布數(shù)據(jù)集。

表7 人口空間化誤差統(tǒng)計(jì)表

模擬的人口分布數(shù)據(jù)通過(guò)彭水縣鄉(xiāng)級(jí)人口統(tǒng)計(jì)數(shù)據(jù)進(jìn)行了驗(yàn)證?？紤]到研究結(jié)果的可靠性，分別取彭水縣長(zhǎng)灘鄉(xiāng)、保家鎮(zhèn)、大埡鄉(xiāng)和梅子埡鄉(xiāng)作為驗(yàn)證區(qū)域。通過(guò)地圖矢量化的方法獲取4個(gè)鄉(xiāng)鎮(zhèn)村級(jí)行政區(qū)劃，分別具有村級(jí)數(shù)據(jù)為長(zhǎng)灘鄉(xiāng)21個(gè)、保家鎮(zhèn)18個(gè)、大埡鄉(xiāng)28個(gè)、梅子埡鄉(xiāng)16個(gè)，共獲取采樣點(diǎn)83個(gè)。利用研究區(qū)模擬人口分布柵格結(jié)果計(jì)算各鄉(xiāng)鎮(zhèn)總?cè)丝冢⑴c各鄉(xiāng)鎮(zhèn)的實(shí)際人口數(shù)據(jù)做相關(guān)性分析，相關(guān)系數(shù)均在0.85以上，說(shuō)明人口分布模擬結(jié)果符合實(shí)際的情況。從圖1、圖2也可以看出，彭水縣人口統(tǒng)計(jì)數(shù)據(jù)分布與人口模擬數(shù)據(jù)分布存在空間一致性，因此本研究基于GIS技術(shù)和RS數(shù)據(jù)的人口空間分布反演方法具有一定的科學(xué)性。

6 結(jié)論與討論

6.1 結(jié)論

人口數(shù)據(jù)空間化是人口地理學(xué)的一個(gè)新的研究方向，它不僅打破了人口數(shù)據(jù)受制于行政區(qū)劃的影響，也為人口數(shù)據(jù)的采集提供新的方向［23］。本研究在GIS和RS技術(shù)支撐下，運(yùn)用大數(shù)據(jù)融合的方法，對(duì)彭水縣進(jìn)行人口統(tǒng)計(jì)數(shù)據(jù)空間化研究，主要結(jié)論如下：

1）通過(guò)對(duì)彭水縣30 m×30 m分辨率柵格人口密度模擬圖與彭水縣各鄉(xiāng)鎮(zhèn)平均人口密度圖的實(shí)際統(tǒng)計(jì)對(duì)比分析，模擬的彭水縣人口密度與實(shí)際人口分布基本一致，說(shuō)明本研究方法是可行的。

2）研究區(qū)人口分布不均勻，縣城人口密度較大；居民點(diǎn)沿主要公路和河流水系分布居多，且隨著海拔升高。人口分布密度越小。

3）從土地利用類型對(duì)人口分布的影響來(lái)看，耕地和建設(shè)用地和人口分布的相關(guān)性最大。

4）通過(guò)與WorldPop以及中國(guó)公里網(wǎng)格人口分布數(shù)據(jù)集的對(duì)比，本研究得到的人口數(shù)據(jù)空間化結(jié)果精度相對(duì)更高。

6.2 討論

雖然通過(guò)運(yùn)用多因素融合的方法對(duì)人口數(shù)據(jù)進(jìn)行了評(píng)價(jià)，但本研究方法仍不夠完善，還需要做進(jìn)一步地探討和數(shù)據(jù)優(yōu)化。人口數(shù)據(jù)空間化是一個(gè)非常復(fù)雜的問(wèn)題，其精度很大程度上取決于所選擇的方法與模型。本研究使用的土地利用數(shù)據(jù)來(lái)源于遙感影像解譯數(shù)據(jù)，由于研究區(qū)屬于多山多霧的地理環(huán)境，導(dǎo)致解譯精度有待提高。各因素權(quán)重的確定的步驟相對(duì)繁瑣和復(fù)雜，并且受作者主觀影響較大，對(duì)研究最終結(jié)果的模擬精度有所影響，后續(xù)將探討運(yùn)用更科學(xué)的方法確定好各因素的權(quán)重。因此，如何提高人口統(tǒng)計(jì)數(shù)據(jù)空間化的準(zhǔn)確性，還值得進(jìn)一步的探討與研究。