范 靳

(馬鞍山市自然資源和規(guī)劃信息中心,安徽 馬鞍山 243000)

0 引言

隨著社會經(jīng)濟的不斷發(fā)展,人口資源作為重要的資源是決定了區(qū)域經(jīng)濟社會發(fā)展的重要影響因素之一[1-2]。人口作為重要的勞動力生產(chǎn)資料,其規(guī)模標志著城市或區(qū)域發(fā)展的潛力,因而,各地區(qū)為了吸引更多人才工作、定居,提供了諸多便利的條件與物質(zhì)基礎,從而更好地推動本地經(jīng)濟快速發(fā)展。業(yè)界專家對于人口規(guī)模的預測往往是通過統(tǒng)計或問卷調(diào)查,這種方法通常費時費力,而利用模型進行人口預估的方式則存在數(shù)據(jù)精度不夠準等局限性[3-4]。英國的人口學家于1798年提出了著名的人口指數(shù)增長模型,即馬氏模型。在此基礎上,專家進行模型的修正與優(yōu)化,形成了新的阻滯增長模型(即Logistic模型),但這些模型存在一定的局限性,只考慮了人口總數(shù)變化的時間因素[5-7],因而,學界綜合了不同年齡的具體分布因素、社會經(jīng)濟發(fā)展因素等,同時引入了多樣化的統(tǒng)計模型,逐漸形成了應用于人口規(guī)模預測的自回歸模型、移動平均模型、自回歸移動平均模型等[8-11]。此外,公安部門可利用戶籍調(diào)查摸清轄區(qū)內(nèi)的常住人口數(shù)據(jù),但需要大量的人工排查工作。而衛(wèi)星技術(shù)的不斷發(fā)展,對于人類活動的監(jiān)控方式也變得多元化,即利用衛(wèi)星的DN值來反演人類活動的劇烈程度,從而進行人口規(guī)模的預測與評估,如利用夜光遙感數(shù)據(jù)進行人類活動的信息挖掘與提取[12]。

針對人口預測評估的需求,本文引入夜光遙感衛(wèi)星數(shù)據(jù)及相應的人口數(shù)據(jù),通過分析不同地區(qū)的衛(wèi)星反演值和地區(qū)人口受教育水平,建立衛(wèi)星數(shù)據(jù)與人口受教育水平的聯(lián)系,同時,以馬鞍山雨山區(qū)的從業(yè)人員為例,分析地區(qū)從業(yè)人員的人口配置,進而對具體的人口政策進行有效分析,旨在支撐城市規(guī)劃、政策優(yōu)化等。

1 研究區(qū)與技術(shù)方法

1.1 研究區(qū)

本文從人口預估角度進行分析,從宏觀層面的角度來看,主要是研究夜光遙感數(shù)據(jù)的DN值與研究區(qū)域人口所受教育水平的關(guān)聯(lián)關(guān)系;從微觀尺度的角度來看,主要研究人口分類中從事勞動的人口數(shù)量與夜光遙感數(shù)據(jù)DN值之間的關(guān)聯(lián)關(guān)系。

為了更好地進行方法驗證與理論分析,選擇安徽省馬鞍山市作為研究區(qū)域,該市地處安徽省東部,同時銜接南京、合肥兩個都市圈。

具體選用的數(shù)據(jù)主要包括以下幾個方面(見表1)。

表1 夜光遙感數(shù)據(jù)和從業(yè)人員數(shù)據(jù)

(1)夜光遙感衛(wèi)星數(shù)據(jù):美國NPP衛(wèi)星數(shù)據(jù)。

(2)人口數(shù)據(jù):統(tǒng)計年鑒數(shù)據(jù)。

(3)其他數(shù)據(jù):行政區(qū)數(shù)據(jù)等。

需要注意的是,由于NPP/VIIRS夜光遙感數(shù)據(jù)的空間分辨率為742 m,因而研究的尺度與研究單元按照742 m的空間單元進行設定,同時,將根據(jù)空間單元的大小構(gòu)建監(jiān)測網(wǎng)格,利用空間分析方法將遙感影像的DN值賦值到對應的網(wǎng)格中,再者利用分類工具按行政區(qū)劃將提取的DN值網(wǎng)格進行分類,即可得到對應的不同省份DN值數(shù)據(jù)。

1.2 研究方法

對人口數(shù)據(jù)按照受教育水平進行分類分析,主要將其按教育水平劃分為小學、初中、高中、大專及以上共4個等級?；谝构膺b感數(shù)據(jù),建立對應的受教育水平與遙感數(shù)據(jù)提取的DN(公式中記為DN)值之間的關(guān)系模型,即空間回歸模型,并對一階回歸模型、空間滯后模型、空間誤差模型、自然對數(shù)似然函數(shù)等進行分析比較。通過對分析結(jié)果進行分析,結(jié)果顯示,空間誤差模型的空間擬合性更好,更適合人口受教育水平與夜光遙感數(shù)據(jù)的回歸擬合。

因而,本研究使用空間誤差模型進行回歸擬合,其具體計算如公式(1)、公式(2)所示:

An=β∑DN+μ

(1)

μ=αW+ε

(2)

式(1)—(2)中:An為4類不同受教育的人群數(shù)量總量;β為回歸系數(shù);殘差用μ表示;回歸參數(shù)用α表示;W為8鄰域的鄰接矩陣; 白噪聲則用ε表示。

針對研究區(qū)的各區(qū)縣進行參數(shù)求解,涉及的時間周期為1999—2019年,再利用2015年的具體數(shù)據(jù)進行模型精度的驗證,具體的計算公式如公式(3)所示:

(3)

(4)

式(3)—(4)中:RM為平均誤差;ERi為每個區(qū)縣區(qū)劃的誤差;擬合的人口用Ai表示;實際人口用Aj表示。

2 研究成果

2.1 人口受教育水平分析

基于研究方法進行結(jié)果計算,從2017年的人口數(shù)據(jù)中抽取一部分作為樣本調(diào)查數(shù)據(jù)進行驗證,從結(jié)果可以看出:受教育水平層次在大專及以上的平均誤差低于0.16,相關(guān)系數(shù)達到0.8以上;受教育水平層次為初中、高中的平均誤差小于0.24,相關(guān)系數(shù)大于0.64;受教育水平層次為小學的平均誤差小于0.36,相關(guān)系數(shù)則超過0.56。

從實際的擬合結(jié)果來看,夜光遙感數(shù)據(jù)的DN屬性值與研究區(qū)內(nèi)居民受教育水平存在一定的關(guān)系,在常住人口總數(shù)一定的情況下,受教育水平較高的地區(qū)DN屬性值明顯高于其他地區(qū),因而,從定性的角度來看,可以通過區(qū)域的遙感影像DN屬性值對研究區(qū)內(nèi)的人口受教育水平進行綜合判定。在人口較為稀疏的區(qū)域,模型擬合的結(jié)果誤差相對較大,主要是由于人口分布松散,反映在夜光遙感影像上的光匯聚程度不夠,致使屬性值相對偏小;而在人口密度較大的區(qū)域擬合的結(jié)果也存在較大的誤差,這是由于夜光遙感數(shù)據(jù)的DN屬性值有閾值限制,因而過大的屬性值無法真實反饋。小學、初中受教育水平的擬合誤差明顯大于其他兩類,表明夜光遙感數(shù)據(jù)與受教育水平高的人口數(shù)量之間聯(lián)系更為密切。

2.2 從業(yè)人員數(shù)量分析研究

從業(yè)人員的數(shù)量可間接反映從事經(jīng)濟生產(chǎn)的勞動力數(shù)量,而勞動力數(shù)量與社會經(jīng)濟的產(chǎn)值休戚相關(guān)。基于此,本研究嘗試構(gòu)建勞動力人口與夜光遙感數(shù)據(jù)DN屬性值的空間擬合模型,旨在通過夜光遙感數(shù)據(jù)快速方便地測算出從業(yè)人員的具體數(shù)量,為區(qū)域經(jīng)濟的發(fā)展提供數(shù)據(jù)支撐與理論實踐。

與研究受教育水平人口不同,本研究選用最小二乘法對從業(yè)人員數(shù)量進行回歸擬合。利用1999—2019年夜光遙感數(shù)據(jù)的DN屬性值進行參數(shù)的確定,并選擇2017年的夜光遙感數(shù)據(jù)進行精度的驗證,具體計算如公式(5)所示:

(5)

計算結(jié)果顯示,研究區(qū)內(nèi),從業(yè)人員的數(shù)量與夜光遙感衛(wèi)星的DN屬性值存在正相關(guān)關(guān)系。同時,經(jīng)過檢驗,相關(guān)系數(shù)超過了0.9,因而可以得出,通過最小二乘法進行擬合的方式適合通過DN屬性值對從業(yè)人員數(shù)量進行測算。但需要說明的是,從業(yè)人員數(shù)量的增速有所趨緩,是由夜光遙感衛(wèi)星DN值的飽和度導致的,因而,這種擬合的方式在區(qū)域從業(yè)人員數(shù)量的對比分析中需注意該部分因素的影響,可定性地作出判斷。

3 結(jié)語

隨著社會經(jīng)濟的不斷發(fā)展,人口也逐漸呈現(xiàn)集聚的特征,而準確有效地進行區(qū)域人口的預估有助于城市建設、規(guī)劃產(chǎn)業(yè)格局、公共交通布局等。針對這些需求,本文嘗試從地理空間視角,基于夜光遙感衛(wèi)星數(shù)據(jù),通過構(gòu)建衛(wèi)星遙感數(shù)據(jù)的DN屬性值與區(qū)域受教育水平、從業(yè)人員數(shù)量的計算模型,完成相應的數(shù)值測算與評估,對于區(qū)域的發(fā)展、人才戰(zhàn)略制定都具有一定的現(xiàn)實意義。結(jié)果顯示:(1)利用空間誤差模型進行夜光遙感衛(wèi)星數(shù)據(jù)DN屬性值與人口受教育水平的分析,居民受教育水平與夜光遙感衛(wèi)星存在一定的關(guān)系,即在總量固定的情況下,研究區(qū)內(nèi)受教育水平較高地區(qū)的夜光遙感衛(wèi)星數(shù)據(jù)DN屬性值明顯高于其他分類;(2)利用最小二乘法進行夜光遙感衛(wèi)星數(shù)據(jù)DN屬性值與從業(yè)人員數(shù)量的分析,從業(yè)人員的數(shù)量與夜光遙感衛(wèi)星數(shù)據(jù)的DN屬性值存在正相關(guān)關(guān)系,即從業(yè)人員數(shù)量較多的區(qū)域?qū)囊构膺b感衛(wèi)星數(shù)據(jù)DN屬性值明顯高于從業(yè)人員數(shù)量較低的區(qū)域。

但本研究存在一定的限制性,即由于夜光遙感衛(wèi)星數(shù)據(jù)DN屬性值的取值范圍為[0,63],丟失了一部分的屬性數(shù)據(jù),無法完整地反映整個區(qū)域的實際情況,因而在做模型測算時,部分估算結(jié)果也存在一定的偏差,得到的結(jié)果小于實際值,這也是后續(xù)需提升的工作之一。