CN103218517A - 基于gis的区域网格化人口密度空间化计算方法 - Google Patents

Abstract

本发明公开了一种基于GIS的区域网格化人口密度空间化计算方法，充分考虑影响人口密度的自然因素和社会经济因素的区域分布特征，以区域的最小行政单元村为单位建立统计模型，对研究区域进行100m*100m的网格划分，将村级统计模型反演到每一个网格中，以格网单元来描述人口分布；本发明所设计的基于GIS的区域网格化人口密度空间化计算方法能够更好的提高人口空间分析精度。

Description

基于GIS的区域网格化人口密度空间化计算方法

技术领域

本发明涉及一种基于GIS的区域网格化人口密度空间化计算方法。

背景技术

人口是生活在特定社会制度、特定地域具有一定数量和质量人的总称。人口信息是重要的国情信息，它对行政管理、人口研究、了解市场供求、制定社会和经济发展计划等都具有重要意义。人口问题横跨自然、社会经济多个领域，是当今世界面临的影响可持续发展的重大问题之一。

基于GIS的区域网格化人口密度空间化计算方法，通过定性描述与定量分析相结合的方法，采用适宜的参数和模型，反演出人口密度在区域网格中的分布状态，实现人口数据与自然资源、环境等数据的集成。

传统的基于GIS的区域网格化人口密度空间化计算方法中，每个网格都采用相同的统计模型，未能体现各土地利用类型对人口分布的影响程度；未能体现人口极度聚居地区和极度稀少地区人口分布独特的随机性分布规律和人口空间分布的区域特征，计算过程过于粗糙，从而影响了模型的精确性。

发明内容

本发明所要解决的技术问题在于提供一种具有较好的可操作性，能够更好的提高人口空间分析精度的基于GIS的区域网格化人口密度空间化计算方法。

本发明采用以下技术方案解决上述技术问题：本发明设计了1.一种基于GIS的区域网格化人口密度空间化计算方法，包括如下步骤：

步骤（1）：任意选取一个研究区域，统计该研究区域的行政村级人口数据，得出该研究区域每个行政村级人口数据M_n，n=1,2,3...m，其中，m定义为该研究区域中行政村的总数；

步骤（2）：通过相关分析法得出与研究区域人口密度的影响因子A_i，i=1,2,3...q，其中，q定义为影响因子的个数；

步骤（3）：建立人口数密度Ps和影响因子A_i的回归方程：

$\mathrm{Ps}={\mathrm{\Σ}}_{i=1}^q{C}_i{A}_i+\mathrm{\μ}$

其中，C_i定义为回归系数，μ定义为误差；

步骤（4）：选出类型为面数据集的影响因子，将面数据集影响因子的图层逐个与行政村图层B进行求交，得出每个行政村中图层中面数据集影响因子的面积area_α，α=1,2,3...s，其中，s定义为类型为面数据集的影响因子个数；

步骤（5）：选择类型为点或线数据集的影响因子，将点或线数据集影响因子以半径k_a作多态缓冲区，a=1,2,3...g，g定义为类型为点或线数据集的影响因子的个数，对多态缓冲区赋予权重W_a，将多态缓冲区图层逐个与行政村图层B进行求交，利用面积加权法计算点或线数据集影响因子在每个行政村中的面积；

area_β=area_β1×W₁+area_β2×W₂...+area_βg×W_g

其中，β=1,2,3...m，area_β1,area_β2,area_β3,...area_βg表示在第β个行政村图层中分别以k₁,k₂,k₃...k_g为半径形成的多态缓冲区的面积；

步骤（6）：经过步骤（4）和步骤（5）的处理后，共形成q个影响因子图层属性表，每个属性表中都有一个area字段属性值，将q个图层属性表中的area字段属性值都放到行政村图层B的属性表中；

步骤（7）：将研究区域划分为S个区；

步骤（8）：对行政村图层B的属性表中的area字段进行标准化，将标准化后的值代入步骤（3）中的回归方程，列出S个回归方程，解出系数C_i；

步骤（9）：对研究区域进行网格划分，每个网格单元的划分标准为100m×100m，共划分为t个网格单元；

步骤（10）：将影响因子的图层与网格图层进行求交分析，当影响因子图层为面要素时，直接将影响因子图层与网格面图层求交得出每个网格单元中影响因子的面积area_ω，ω=1,2,3...s；当影响因子图层为点或线要素时，对点或线以半径r_b作多态缓冲区，b=1,2,3...g，对多态缓冲区赋予权重V_b，将多态缓冲区图层逐个与网格图层进行求交，利用面积加权法计算影响因子在每个网格图层中的面积：

area_θ=area_θ1×V₁+area_θ2×V₂...+area_θg×V_g，并将上述所有的area字段全部放到网格图层属性表中，其中，θ=1,2,3...t，area_θ1,area_θ2,area_θ3,...area_θg表示在第θ个网格图层中分别以r₁,r₂,r₃...r_g为半径形成的多态缓冲区的面积；

步骤（11）：将网格图层属性表中的area字段进行标准化，将每个网格中的面积值代人步骤（8）中相应的回归方程中，得到每一网格单元中的人口数，对研究区域中的所有网格单元进行统计，获得该研究区域的人口密度。

本发明与现有技术相比具有如下优点：

1.本发明避免了传统方法的局限性，分区进行统计模型的建立，使得每个空间网格行政单元都具有能够反映网格内部人口分布特征的统计模型，实现人口密度的精细化网格表达；

2.本发明以最小行政单元村为单位建立统计模型，数据容易获得，数据质量较好，因此这种方法具有较好的可操作性，能够更好的提高人口空间分析的精度；

3.本发明中对研究区域进行100*100的网格划分，将村级统计模型反演到每一个网格中，以格网单元来描述人口分布，能够更好的提高人口空间分析的精度。

附图说明

图1为本发明的方法流程图；

图2为本发明中建立的城镇缓冲区图；

图3为本发明中建立的道路缓冲区图；

图4为本发明中建立的区域网格单元划分图；

图5为本发明得出的研究区域人口密度图。

具体实施方式

下面结合附图对本发明做进一步的详细说明：

如图1所示，本发明设计了一种基于GIS的区域网格化人口密度空间化计算方法，在具体实施例里面，我们以上海市嘉定区为例，包括如下具体步骤：

步骤（1）：对嘉定区的村级人口数据进行统计：得出嘉定区每个村级人口数据M_n，n=1,2,3...m，其中，m定义为该研究区域中的村的总数；

步骤（2）：通过相关分析法得出与嘉定区人口密度关联度大于等于80%的因子，分别为耕地，建设用地，住宅用地，交通道路通达度及城市影响度作为人口空间化的影响因子A_i，i=1,2,3...q，其中，q定义为影响因子的个数；

步骤（3）：根据嘉定区各个县市区所有乡镇的人口数密度Ps和影响因子A_i（这里，我们选用五个影响因子为例，耕地面积A₁，建设用地面积A₂，住宅用地面积A₃，交通道路通达度A₄和城市影响度A₅）建立回归方程：

$\mathrm{Ps}={\mathrm{\Σ}}_{i=1}^5{C}_i{A}_i+\mathrm{\μ}$

其中，其中，C_i定义为回归系数，μ定义为误差；

步骤（4）：将耕地面积A₁图层与行政村图层B进行求交分析，使耕地面积A₁及行政村图层B两个彼此独立的图层合并为一个图层并得出每个行政村中耕地面积area_α，α=1,2,3...s，其中，s定义为类型为面数据集的影响因子个数，同理，将建设用地面积A₂，住宅用地面积A₃分别与行政村图层B进行求交，求交后得到三个图层B₁、B₂和B₃，每个图层属性表中都有一个area字段，表示每个村级行政单元中耕地，建设用地面积及住宅用地的面积；

步骤（5）：以半径k_a作多态缓冲区，a=1,2,3...g，g定义为类型为点或线数据集的影响因子的个数，对多态缓冲区赋予权重W_a；

在具体实施例中，对嘉定区城镇和道路分别以1000m和2000m为半径作多态缓冲区，如图2和3所示，相应缓冲区分别赋予权重0.75和0.25，利用求交分析将缓冲区图与行政村图层B进行求交，从生成的结果数据集中提取面积area字段信息，area字段信息表示每个村级行政单元中缓冲区的面积（面积最大化法，即若存在一个村级行政单元中有多个缓冲区，取面积大的缓冲区），利用面积加权通过公式：area_β=area_β1×W₁+area_β2×W₂...+area_βg×W_g计算城市影响度，

其中，β=1,2,3...m，(area_β1表示在第β村级行政单元中以1000m作缓冲区部分面积，area_β2表示在第β个村级行政单元中以2000m作缓冲区部分面积)；

步骤（6）：经过步骤（4）和步骤（5）的处理后，共形成5个图层属性表，每个属性表中都有一个area字段属性值（area属性字段值表示A_i在每个行政村中的面积）；将5个图层属性表中的area字段属性值全部放到行政村图层B的属性表中；

如图4所示，步骤（7）：将研究区域划分为3个区；

步骤（8）：对行政单元图层B的属性表中的area字段进行标准化，将标准化后的值代入回归方程中，列出3个回归方程，解出系数C_i；

步骤（9）：将研究区域进行100m×100m的网格划分，共划分为t个网格单元，在具体实施例中，我们形成了597个网格；

步骤（10）：当影响因子图层为面要素时，直接将影响因子图层与网格面图层求交得出每个网格单元中影响因子的面积area_ω，ω=1,2,3...s，在具体实施例中，将耕地面积A₁图层与网格面图层进行求交分析，得出每个网格单元中耕地面积，同理，将建设用地面积A₂，住宅用地面积A₃分别与网格面图层进行求交，得出每个网格单元中建设用地面积和住宅用地面积；

当影响因子图层为点或线要素时，对点或线以半径r_b作多态缓冲区，b=1,2,3...g，对多态缓冲区赋予权重V_b，将多态缓冲区图层逐个与网格图层进行求交，利用面积加权法计算影响因子在每个网格图层中的面积：

对道路和城镇以半径1000m和2000m作多态缓冲区后再与网格面图层进行求交，相应缓冲区分别赋予权重0.75和0.25，利用面积加权法计算A₄和A₅在每个网格中的面积area_θ=area_θ1×V₁+area_θ2×V₂...+area_θg×V_g，θ=1,2,3...t；

求交后得出半径为1000m的缓冲区在第θ个网格图层中的面积为area_θ1，半径为2000m的缓冲区在第θ个网格图层中的面积为area_θ2，并将上述所有的area字段全部放到网格图层属性表中；

步骤（11）：如图5所示，将网格图层属性表中的area字段进行标准化，将每个网格中的面积值代人步骤（8）中相应的回归方程中，得到每一网格单元中的人口数，对研究区域中的所有网格单元进行统计，获得该研究区域的人口密度。

Claims (1)

1.一种基于GIS的区域网格化人口密度空间化计算方法，其特征在于，包括如下步骤：

步骤（1）：任意选取一个研究区域，统计该研究区域的行政村级人口数据，得出该研究区域每个行政村级人口数据M_n，n=1,2,3...m，其中，m定义为该研究区域中行政村的总数；

步骤（2）：通过相关分析法得出与研究区域人口密度的影响因子A_i，i=1,2,3...q，其中，q定义为影响因子的个数；

步骤（3）：建立人口数密度Ps和影响因子A_i的回归方程：

$\mathrm{Ps}={\mathrm{\Σ}}_{i=1}^q{C}_i{A}_i+\mathrm{\μ}$

其中，C_i定义为回归系数，μ定义为误差；

步骤（4）：选出类型为面数据集的影响因子，将面数据集影响因子的图层逐个与行政村图层B进行求交，得出每个行政村中图层中面数据集影响因子的面积area_α，α=1,2,3...s，其中，s定义为类型为面数据集的影响因子个数；

步骤（5）：选择类型为点或线数据集的影响因子，将点或线数据集影响因子以半径k_a作多态缓冲区，a=1,2,3...g，g定义为类型为点或线数据集的影响因子的个数，对多态缓冲区赋予权重W_a，将多态缓冲区图层逐个与行政村图层B进行求交，利用面积加权法计算点或线数据集影响因子在每个行政村中的面积

area_β=area_β1×W₁+area_β2×W₂...+area_βg×W_g

其中，β=1,2,3...m，area_β1,area_β2,area_β3,...area_βg表示在第β个行政村图层中分别以k₁,k₂,k₃...k_g为半径形成的多态缓冲区的面积；

步骤（6）：经过步骤（4）和步骤（5）的处理后，共形成q个影响因子图层属性表，每个属性表中都有一个area字段属性值，将q个图层属性表中的area字段属性值都放到行政村图层B的属性表中；

步骤（7）：将研究区域划分为S个区；

步骤（8）：对行政村图层B的属性表中的area字段进行标准化，将标准化后的值代入步骤（3）中的回归方程，列出S个回归方程，解出系数C_i；

步骤（9）：对研究区域进行网格划分，每个网格单元的划分标准为100m×100m，共划分为t个网格单元；

步骤（10）：将影响因子的图层与网格图层进行求交分析，当影响因子图层为面要素时，直接将影响因子图层与网格面图层求交得出每个网格单元中影响因子的面积area_ω，ω=1,2,3...s；当影响因子图层为点或线要素时，对点或线以半径r_b作多态缓冲区，b=1,2,3...g，对多态缓冲区赋予权重V_b，将多态缓冲区图层逐个与网格图层进行求交，利用面积加权法计算影响因子在每个网格图层中的面积：

area_θ=area_θ1×V₁+area_θ2×V₂...+area_θg×V_g，并将上述所有的area字段全部放到网格图层属性表中，其中，θ=1,2,3...t，area_θ1,area_θ2,area_θ3,...area_θg表示在第θ个网格图层中分别以r₁,r₂,r₃...r_g为半径形成的多态缓冲区的面积；

步骤（11）：将网格图层属性表中的area字段进行标准化，将每个网格中的面积值代人步骤（8）中相应的回归方程中，得到每一网格单元中的人口数，对研究区域中的所有网格单元进行统计，获得该研究区域的人口密度。

Images