顾及城乡差异的中国多级人口空间化模型研究

In the research of population economics, regional economics and other disciplines, many population spatializations are non-administrative, such as the Sichuan basin, Qinghai Tibet Plateau, 10-km grid, etc.However, most of the current population data are based on administrative divisions which leads to many issues in the application. From the perspectives of micro and macro scales, this project dedicates to the spatial methods and technologies towards the population spatialization by considering the differences between urban and rural areas. Specifically, the micro scale modeling focuses on screening the various key factors affecting the population distribution in rural and urban areas, and then uses the spatial subdivision, joint weighting, spatial overlay operations, etc, to build a spatialization benchmark for achieving a variety of finer population spatial statistical units. The macro scale modeling focuses on exploiting the large scale statistical units, such as the social economic unit, administrative units and the natural geographical unit, and mainly adopts the unit-defining, grid-coding, unit matching to solve the issue of adaptive allocations for the regions across different units. Finally, the population data from Beijing, Tianjin and Hebei are used for empirically studying the proposed models and algorithms, which will be further demonstrated against the population data from the township level.

在人口经济学、区域经济学等学科相关研究中，往往会涉及大量非行政区划的人口统计问题，例如四川盆地、青藏高原、十公里格网等。而目前人口数据多以行政区划为统计基准，在应用中会存在多种问题。本项目从微观与宏观两种尺度，结合城市与农村的差异性，围绕人口空间化的方法与技术体系展开系统研究。其中，微观尺度建模侧重于筛选可反映各类影响城市与农村人口分布的关键因素，进而通过多因子空间化剖分、联合定权、空间叠置等方法构建人口数据空间化基准，以实现多种精细统计单元的人口空间化。宏观尺度的建模则侧重于描述大范围的社会经济单元、行政区划单元、自然地理单元的人口分布状况，主要采用单元定义、网格编码、单元匹配等关键技术来解决跨区域单元的自适应分配问题。最后，以京津冀地区的人口空间化为例进行实证研究，并结合乡镇级人口统计数据进行检验。

人口数据是经济学、统计学、地理学、灾害学、资源科学等领域研究中最为常用的基础信息。而现有的人口统计数据主要是以行政区划为基础统计单元。人口统计数据和地理空间数据通常是通过行政区划代码进行连接和集成的。这种集成方法的优点是便于进行计算统计，但其存在明显不足。主要体现在人口统计数据空间分辨率低，掩盖政区单元内部人口分布的空间差异和城乡地区人口结构和细部特征；妨碍了人口数据与地理空间数据的共享与集成，数据使用效率比较低，如遇到防灾减灾应急、重大决策等问题时，人口统计数据难以在空间精度上满足管理和科研的实际需求；抑制了统计学对GIS新技术的运用，降低了人口数据在研究中特别是地学研究中的应用价值。本项目运用第一次全国地理国情普查数据、互联网 POI 数据、遥感影像数据等多源基础空间数据，在顾及城乡差异的角度下，构建了顾及居住建筑属性、基于多智能体、基于随机森林，基于多因子融合、基于地理加权回归的人口空间化模型。完善了不完整网格边缘化处理与信息提取方法，解决宏观单元与地理网格匹配中被裁切网格信息的精确顾及与误差控制问题。通过对人口分布格网尺度和边缘不规则格网的处理，在北京市海淀区、天津市、江苏省、山东省菏泽市和湖南省株洲市对模型进行了实证分析与验证，形成了人口空间化影响因子数据库，以及1公里、500米、250米、100米等多级网格人口空间化数据库。项目研究期内完成数据库2个、期刊论文12篇、专著5本、专利5项。开展不同尺度人口统计数据空间化模型研究，实现不同空间区域、不同精细尺度的空间目标的匹配，满足不同尺度人口统计数据应用需求，对于提高社会经济统计基础数据获取和管理的规范化水平、促进人口与社会经济要素、自然地理要素数据在统一格网体系中的集成与共享、面向专题需求分析与应用等方面都具有十分重要的意义。因此，准确把握人口空间分布特征，可为以人口空间分布信息为基础的区域规划、商业选址和城乡协调发展提供可靠的人口数据支撑，对于解决人口空间分布与生态资源间的矛盾、人口空间分布与经济、社会发展不协调的问题、谋划好城市经济和生态的长期发展等具有重大意义。