CN110428126B - 一种基于多源开放数据的城市人口空间化处理方法及系统 - Google Patents
一种基于多源开放数据的城市人口空间化处理方法及系统 Download PDFInfo
- Publication number
- CN110428126B CN110428126B CN201910527468.9A CN201910527468A CN110428126B CN 110428126 B CN110428126 B CN 110428126B CN 201910527468 A CN201910527468 A CN 201910527468A CN 110428126 B CN110428126 B CN 110428126B
- Authority
- CN
- China
- Prior art keywords
- data
- index
- urban
- population
- socioeconomic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 238000000513 principal component analysis Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000011161 development Methods 0.000 claims description 14
- 238000010219 correlation analysis Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000013139 quantization Methods 0.000 claims description 6
- 108050006002 RNA polymerase sigma factor FliA Proteins 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- DFPOZTRSOAQFIK-UHFFFAOYSA-N S,S-dimethyl-beta-propiothetin Chemical compound C[S+](C)CCC([O-])=O DFPOZTRSOAQFIK-UHFFFAOYSA-N 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 239000005441 aurora Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多源开放数据的城市人口空间化处理方法及系统，其中，所述方法包括：获取城市数据；对所述城市数据进行预处理，基于城市数据的预处理结果构建影响城市人口分布的社会经济以及自然环境数据集；基于主成分分析赋权法对所述社会经济以及自然环境数据集中的各个指标因子进行指标权重赋值；基于赋值后的所述社会经济以及自然环境数据集中的各个指标因子进行城市人口空间格式化处理，获得城市人口密度分布图。在本发明中，可以有效的根据社会经济以及自然环境要素进行人口空间化处理，且显著提高处理结果的精度。
Description
技术领域
本发明涉及城市人口数据处理技术领域，尤其涉及一种基于多源开放数据的城市人口空间化处理方法及系统。
背景技术
人口的空间分布能够直接反映人类的活动。而目前的人口数据通常是以行政区(省、市、区、街道)为基本统计单元的，难以与一些地理信息边界(例如格网单元)相匹配，不利于与其他信息数据关联进行综合分析；空间化的人口能够更好的接近人口的实际空间分布，同时能够很好的与其他如资源环境数据、社会问题数据、经济统计数据、等背景复合，进而综合的评价人口-资源-环境之间的关系，更好的为城市规划、经济决策、灾害预防、犯罪管理等研究提供辅助决策。
目前的研究多是利用人口与夜间灯光数据、土地利用之间的回归关系，进而构建模型，模拟人口的空间分布，却忽略了自然环境因素以及其它社会经济因素对人口分布的影响；即使有个别研究将这些因素全部考虑在内，也仅是与DMSP/OLS夜间灯光数据共同考虑，鲜少有将NPP/VIIRS夜间灯光数据与自然环境因素及其他社会经济因素共同考虑的研究；因此，如何综合考虑NPP/VIIRS夜间灯光强度、自然环境因子以及其它社会经济因子对人口分布的影响，进而得到结果更为精确的人口空间化结果还需进一步研究；于此同时，传统的具有位置属性的社会经济数据往往只是对区级以上的大型设施进行统计，在数据精度上存在一定的限制；且需要花费大量人力物力经过野外实测才能获取，更新不够及时。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种基于多源开放数据的城市人口空间化处理方法及系统，可以有效的根据社会经济以及自然环境要素进行人口空间化处理，且显著提高处理结果的精度。
为了解决上述技术问题，本发明实施例提供了一种基于多源开放数据的城市人口空间化处理方法，所述方法包括：
获取城市数据，其中，所述城市数据包括NPP/VIIRS夜间灯光数据、DEM数据、Landsat 8 OLI遥感影像数据以及开发社会经济指标POI数据；
对所述城市数据进行预处理，基于城市数据的预处理结果构建影响城市人口分布的社会经济以及自然环境数据集；
基于主成分分析赋权法对所述社会经济以及自然环境数据集中的各个指标因子进行指标权重赋值；
基于赋值后的所述社会经济以及自然环境数据集中的各个指标因子进行城市人口空间格式化处理，获得城市人口密度分布图。
可选的，所述对所述城市数据进行预处理，包括：
对所述NPP/VIIRS夜间灯光数据进行几何校正、噪声去除、重采样处理，获取夜间灯光强度图像数据；
通过Arcgis10.2软件对所述DEM数据进行坡度数据采集处理，获取坡度数据；
对所述Landsat 8 OLI遥感影像数据进行遥感解译处理，获取土地利用类型数据、距最近道路距离数据以及距最近河流距离数据；
对所述开发社会经济指标POI数据与划定区域内的统计人口进行相关性分析，获得教育医疗核密度数据、餐饮核密度数据以及交通设施核密度数据。
可选的，所述对所述Landsat 8 OLI遥感影像数据进行遥感解译处理，获取土地利用类型数据、距最近道路距离数据以及距最近河流距离数据，包括：
对所述Landsat 8 OLI遥感影像数据进行遥感解译处理，获得30m*30m分辨率的栅格图像数据；
对所述30m*30m分辨率的栅格图像数据按人口在不同土地利用类型分布进行量化赋值，获取土地利用类型量化数据；
对所述30m*30m分辨率的栅格图像数据中的道路和河流进行缓冲区分析，从而计算最邻近道路距离以及最邻近河流距离，获取距最近道路距离数据以及距最近河流距离数据。
可选的，所述对所述社会经济指标POI数据与划定区域内的统计人口进行相关性分析，获得教育医疗核密度数据、餐饮核密度数据以及交通设施核密度数据，包括：
对所述开发社会经济指标POI数据与划定区域内的统计人口进行相关性分析，获取分析结果；
对所述分析结果进行排序，获得排序靠前的教育医疗核密度数据、餐饮核密度数据以及交通设施核密度数据。
可选的，所述基于城市数据的预处理结果构建影响城市人口分布的社会经济以及自然环境数据集，包括：
利用所述夜间灯光强度图像数据、教育医疗核密度数据、餐饮核密度数据以及交通设施核密度数据构建影响城市人口分布的社会经济数据集；
利用所述坡度图像数据、土地利用类型数据、距最近道路距离数据以及距最近河流距离数据构建影响城市人口分布的自然环境数据集。
可选的，所述基于主成分分析赋权法对所述社会经济以及自然环境数据集中的各个指标因子进行指标权重赋值，包括：
构建主成分的线性组合；
根据构建好的主成分的线性组合构建指标因子的得分模型；
采用得分模型来计算所述社会经济以及自然环境数据集中的各指标因子的综合得分；
对所述得分模型红的指标得分系数进行基础归一化处理，获取指标权重。
可选的，所述构建主成分的线性组合的公式如下：
Zj＝Lj1*X1+Lj2*X2+…+Ljp*Xp(j≤p)；
其中，Zj为第j个主成分的线性组合；X1，X2，…，Xp为原始的p个指标因子；Ljp为第p个指标在主成分Zj中的得分系数。
可选的，所述根据构建好的主成分的线性组合构建指标因子的得分模型的公式如下：
所述对所述得分模型红的指标得分系数进行基础归一化处理的公式如下：
其中，Z为综合得分模型；δi为指标Xi的得分系数；Lji为第i各指标在主成分Zj中的得分系数；θj为主成分Zj的方差贡献率；wi为指标Xi的最终指标权重。
可选的，所述基于赋值后的所述社会经济以及自然环境数据集中的各个指标因子进行城市人口空间格式化处理，包括：
在获得各个指标因子的指标权重赋值之后，计算对应城市区域的人口分布栅格的综合权重值；
根据综合权重值计算获取城市人口密度分布图；
其中，所述计算对应城市区域的人口分布栅格的综合权重值的公式如下：
所述根据综合权重值计算获取城市人口密度分布图的公式如下：
其中，F为每个栅格的综合权重值；wi为第i项指标的最终指标权重；Pij为第i项指标的第j个栅格的归一化值；m为评价指标个数；POPij为空间化后的每个栅格内的人数；POP为该栅格所在城市辖区的人口统计值；Fij为某个栅格的综合权重值；∑Fij为某个栅格所在城市辖区的所有栅格的综合权重值总和。
另外，本发明实施例还提供了一种基于多源开放数据的城市人口空间化处理系统，所述系统包括：
数据获取模块：用于获取城市数据，其中，所述城市数据包括NPP/VIIRS夜间灯光数据、DEM数据、Landsat 8 OLI遥感影像数据以及开发社会经济指标POI数据；
预处理模块：用于对所述城市数据进行预处理，基于城市数据的预处理结果构建影响城市人口分布的社会经济以及自然环境数据集；
权重赋值模块：用于基于主成分分析赋权法对所述社会经济以及自然环境数据集中的各个指标因子进行指标权重赋值；
人口空间化模块：用于基于赋值后的所述社会经济以及自然环境数据集中的各个指标因子进行城市人口空间格式化处理，获得城市人口密度分布图。
在本发明实施例中，通过综合考虑了自然环境、社会经济、NPP/VIIRS灯光强度、土地利用等因素对人口进行空间化，可以有效的提高人口空间化处理结果的精度；利用Arcgis对POI进行核密度分析，可以得到任意分辨率的栅格图层，从而进一步实现空间尺度更为精细的人口空间化；夜间灯光数据的分辨率对人口空间化的精度有影响，基于NPP/VIIRS夜间灯光数据进行人口空间化可以提高结果精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例中的基于多源开放数据的城市人口空间化处理方法的流程示意图；
图2是本发明实施例中的基于多源开放数据的城市人口空间化处理系统的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例
请参阅图1，图1是本发明实施例中的基于多源开放数据的城市人口空间化处理方法的流程示意图。
如图1所示，一种基于多源开放数据的城市人口空间化处理方法，所述方法包括：
S11：获取城市数据；
在本发明具体实施过程中，所述城市数据包括NPP/VIIRS夜间灯光数据、DEM数据、Landsat 8 OLI遥感影像数据以及开发社会经济指标POI数据。
具体的，通过爬虫算法在对应的数据库或者网页上爬取获得NPP/VIIRS夜间灯光数据、DEM数据、Landsat 8 OLI遥感影像数据以及开发社会经济指标POI数据。
S12：对所述城市数据进行预处理，基于城市数据的预处理结果构建影响城市人口分布的社会经济以及自然环境数据集；
在本发明具体实施过程中，对所述NPP/VIIRS夜间灯光数据进行几何校正、噪声去除、重采样处理，获取夜间灯光强度图像数据；通过Arcgis10.2软件对所述DEM数据进行坡度数据采集处理，获取坡度图像数据；对所述Landsat 8 OLI遥感影像数据进行遥感解译处理，获取土地利用类型数据、距最近道路距离数据以及距最近河流距离数据；对所述开发社会经济指标POI数据与划定区域内的统计人口进行相关性分析，获得教育医疗核密度数据、餐饮核密度数据以及交通设施核密度数据。
进一步的，所述对所述Landsat 8 OLI遥感影像数据进行遥感解译处理，获取土地利用类型数据、距最近道路距离数据以及距最近河流距离数据，包括：对所述Landsat 8OLI遥感影像数据进行遥感解译处理，获得30m*30m分辨率的栅格图像数据；对所述30m*30m分辨率的栅格图像数据按人口在不同土地利用类型分布进行量化赋值，获取土地利用类型量化数据；对所述30m*30m分辨率的栅格图像数据中的道路和河流进行缓冲区分析，从而计算最邻近道路距离以及最邻近河流距离，获取距最近道路距离数据以及距最近河流距离数据。
进一步的，所述对所述开发社会经济指标POI数据与划定区域内的统计人口进行相关性分析，获得教育医疗核密度数据、餐饮核密度数据以及交通设施核密度数据，包括：对所述开发社会经济指标POI数据与划定区域内的统计人口进行相关性分析，获取分析结果；对所述分析结果进行排序，获得排序靠前的教育医疗核密度数据、餐饮核密度数据以及交通设施核密度数据。
进一步的，所述基于城市数据的预处理结果构建影响城市人口分布的社会经济以及自然环境数据集，包括：利用所述夜间灯光强度图像数据、教育医疗核密度数据、餐饮核密度数据以及交通设施核密度数据构建影响城市人口分布的社会经济数据集；利用所述坡度图像数据、土地利用类型数据、距最近道路距离数据以及距最近河流距离数据构建影响城市人口分布的自然环境数据集。
具体的，NPP/VIIRS夜间灯光数据，与传统的DMSP/OLS夜间灯光数据相比，VIIRS夜间灯光数据有更加精细的空间分辨率(500m)，并解决了城市地区灯光饱和的问题；但VIIRS数据没有过滤来自极光、火灾等短暂光源，同时也包含背景噪音；为了减少这些不确定性造成的影响，需要对NPP/VIIRS夜间灯光数据进行预处理；首先是把对应的DMSP/OLS灯光数据重采样至500m，并将所有灯光像元的像素值设置为1，而非灯光像元的像素值设置为0，得到一个掩模；然后，将对应掩膜值为0的VIIRS像元赋值为0，对应掩膜值为1的VIIRS像元值不变，即可去除光源与噪声影响；接下来，需要去除异常像素，对该城市核心范围内像素的最大值为59.67，而像素值超过59.67的像元为异常像元，因此需将VIIRS影像中像素值大于59.67的像素均赋值为59.67；像素大于59.67的像元主要分布在白云机场(23个异常像元)，这与VIIRS数据的其他应用中的发现一致；为了与其他数据匹配，将预处理后的NPP/VIIRS夜间灯光数据重采样至30m×30m分辨率，从而获得夜间灯光强度图像数据。
本发明实施例中，坡度图像数据是通过Arcgis10.2对DEM数据进行提取获得的，分辨率为30m×30m；其中，DEM数据来源于地理空间数据云(http://www.gscloud.cn/)。
对应的城市的土地利用类型、道路以及河流是通过对遥感影像数据Landsat 8OLI进行遥感解译得到的30m×30m栅格数据；按照人口在不同土地利用类型上分布的多少，对土地利用类型进行量化；其中，水域赋值为0分；未利用地赋值为1分；耕地赋值为3分；林地、草地赋值为2分；建设用地中，城镇用地、农村居民点赋值为9分，其他建设用地赋值为5分；道路河、河流数据需进行缓冲区分析，从而计算最邻近道路/河流距离；具体的人口统计数据来自城市的统计年鉴。
通过python语言编程，开发社会经济指标POI数据抓取程序，速获取百度地图中餐饮、工厂、公司企业、购物、交通设施、文化体育服务、教育医疗、旅游景点、政府机关及社会团体、商业10类POI数据；包括经纬网坐标、类别、名称等属性信息。整理获取的数据，筛选出重复或者属性缺失的部分数据，得到有效数据共361062个；统计该城市所有乡镇(街道)内每类POI的个数，并与各乡镇(街道)的统计人口做相关性分析；通过分析得到餐饮、交通设施、教育医疗三类POI与人口的相关系数最大；这三类POI被选为影响人口空间分布社会经济因素，利用Arcgis10.2对这些POI数据进行核密度分析，得到30m×30m分辨率的栅格输出图层，即得到教育医疗核密度数据、餐饮核密度数据以及交通设施核密度数据。
具体的，夜间灯光强度、土地利用类型对人口的空间分布有重影响；地形地貌、交通廊道、水资源、地表起伏指数、基础设施服务等因素对人口分布也有较大影响；因此，在考虑夜间灯光强度的基础上，在本发明实施例中，加入了能够直接影响人口分布的社会经济因素(教育医疗核密度、餐饮核密度、交通设施核密度)，以及能够在在一定程度上影响人口分布的自然因素(距离道路距离、距离河流距离、坡度)，建立了人口空间化的评价指标体系表，如表1。
表1人口空间化评价指标体系
S13：基于主成分分析赋权法对所述社会经济以及自然环境数据集中的各个指标因子进行指标权重赋值；
在本发明具体实施过程中，所述基于主成分分析赋权法对所述社会经济以及自然环境数据集中的各个指标因子进行指标权重赋值，包括：构建主成分的线性组合；根据构建好的主成分的线性组合构建指标因子的得分模型；采用得分模型来计算所述社会经济以及自然环境数据集中的各指标因子的综合得分；对所述得分模型红的指标得分系数进行基础归一化处理，获取指标权重。
进一步的，所述构建主成分的线性组合的公式如下：
Zj＝Lj1*X1+Lj2*X2+…+Ljp*Xp(j≤p)；
其中，Zj为第j个主成分的线性组合；X1，X2，…，Xp为原始的p个指标因子；Ljp为第p个指标在主成分Zj中的得分系数。
进一步的，所述根据构建好的主成分的线性组合构建指标因子的得分模型的公式如下：
所述对所述得分模型红的指标得分系数进行基础归一化处理的公式如下：
其中，Z为综合得分模型；δi为指标Xi的得分系数；Lji为第i各指标在主成分Zj中的得分系数；
为主成分Zj的方差贡献率；wi为指标Xi的最终指标权重。
具体的，通过对所述社会经济以及自然环境数据集中的各个指标因子进行只成分分析来计算各指标因子的特征值和特征向量、累计贡献率，以及主成分载荷矩阵；以上分析在统计软件SPSS19.0中完成。
确定主成分的线性组：
Zj＝Lj1*X1+Lj2*X2+…+Ljp*Xp(j≤p)；
其中，Zj为第j个主成分的线性组合；X1，X2，…，Xp为原始的p个指标因子；Ljp为第p个指标在主成分Zj中的得分系数。
根据主成分因子的线性表达式计算出各个主成分得分，采用各主成分的方差贡献率作为其权重，计算各主成分因子的综合得分；如下：
由于所有指标的权重之和为1，因此指标权重需要在综合模型中指标系数的基础上进行归一化，具体如下：
其中，Z为综合得分模型；δi为指标Xi的得分系数；Lji为第i各指标在主成分Zj中的得分系数；
为主成分Zj的方差贡献率；wi为指标Xi的最终指标权重。
根据上述主成分分析法，利用SPSS19.0统计分析软件，计算各因子的特征值、累计贡献率，计算主成分载荷矩阵；通过计算，C1土地利用类型、C2夜间灯光强度、C3教育医疗核密度、C4餐饮核密度、C5交通设施核密度在PC1上的因子载荷量较大，可以共同反映人口分布的社会经济状况；C6距最近道路距离、C7距最近河流距离、C8坡度在PC2上的因子载荷量较大，可以共同反映人口分布的自然环境条件；以及上述公式计算各因子的权重；C1土地利用类型、C2夜间灯光强度、C3教育医疗核密度、C4餐饮核密度、C5交通设施核密度、C6距最近道路距离、C7距最近河流距离、C8坡度的权重分别为0.2087、0.2326、0.1506、0.1276、0.1395、0.0713、0.0336、0.0361。
S14：基于赋值后的所述社会经济以及自然环境数据集中的各个指标因子进行城市人口空间格式化处理，获得城市人口密度分布图。
在本发明具体实施过程中，所述基于赋值后的所述社会经济以及自然环境数据集中的各个指标因子进行城市人口空间格式化处理，包括：在获得各个指标因子的指标权重赋值之后，计算对应城市区域的人口分布栅格的综合权重值；根据综合权重值计算获取城市人口密度分布图；其中，所述计算对应城市区域的人口分布栅格的综合权重值的公式如下：
所述根据综合权重值计算获取城市人口密度分布图的公式如下：
其中，F为每个栅格的综合权重值；wi为第i项指标的最终指标权重；Pij为第i项指标的第j个栅格的归一化值；m为评价指标个数；POPij为空间化后的每个栅格内的人数；POP为该栅格所在城市辖区的人口统计值；Fij为某个栅格的综合权重值；∑Fij为某个栅格所在城市辖区的所有栅格的综合权重值总和。
具体的，在获得各个指标因子的权重之后，通过计算对应城市区域的人口分布栅格的综合权重值的公式计算对应区域的人口分布的综合权重值；需要注意的是，在得到对应区域人口分布的综合权重后，需要将综合权重分布图中土地利用类型为水体以及灯光强度像素值为0的栅格赋值为0；因为这部分区域在理论上并没有人口的居住；接下来，利用根据综合权重值计算获取城市人口密度分布图的公式即可得到人口的空间分布图。
在本发明实施例中，通过综合考虑了自然环境、社会经济、NPP/VIIRS灯光强度、土地利用等因素对人口进行空间化，可以有效的提高人口空间化处理结果的精度；利用Arcgis对POI进行核密度分析，可以得到任意分辨率的栅格图层，从而进一步实现空间尺度更为精细的人口空间化；夜间灯光数据的分辨率对人口空间化的精度有影响，基于NPP/VIIRS夜间灯光数据进行人口空间化可以提高结果精度。
实施例
请参阅图2，图2是本发明实施例中的基于多源开放数据的城市人口空间化处理系统的结构组成示意图。
一种基于多源开放数据的城市人口空间化处理系统，所述系统包括：
数据获取模块11：用于获取城市数据，其中，所述城市数据包括NPP/VIIRS夜间灯光数据、DEM数据、Landsat 8 OLI遥感影像数据以及社会经济指标POI数据；
预处理模块12：用于对所述城市数据进行预处理，基于城市数据的预处理结果构建影响城市人口分布的社会经济以及自然环境数据集；
权重赋值模块13：用于基于主成分分析赋权法对所述社会经济以及自然环境数据集中的各个指标因子进行指标权重赋值；
人口空间化模块14：用于基于赋值后的所述社会经济以及自然环境数据集中的各个指标因子进行城市人口空间格式化处理，获得城市人口密度分布图。
具体地，本发明实施例的系统相关功能模块工作原理可参考方法实施例的相关描述，这里不再赘述。
在本发明实施例中，通过综合考虑了自然环境、社会经济、NPP/VIIRS灯光强度、土地利用等因素对人口进行空间化，可以有效的提高人口空间化处理结果的精度；利用Arcgis对POI进行核密度分析，可以得到任意分辨率的栅格图层，从而进一步实现空间尺度更为精细的人口空间化；夜间灯光数据的分辨率对人口空间化的精度有影响，基于NPP/VIIRS夜间灯光数据进行人口空间化可以提高结果精度。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。
另外，以上对本发明实施例所提供的一种基于多源开放数据的城市人口空间化处理方法及系统进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种基于多源开放数据的城市人口空间化处理方法，其特征在于，所述方法包括：
获取城市数据，其中，所述城市数据包括NPP/VIIRS夜间灯光数据、DEM数据、Landsat8OLI遥感影像数据以及开发社会经济指标POI数据；
对所述城市数据进行预处理，基于城市数据的预处理结果构建影响城市人口分布的社会经济以及自然环境数据集；
基于主成分分析赋权法对所述社会经济以及自然环境数据集中的各个指标因子进行指标权重赋值；
基于赋值后的所述社会经济以及自然环境数据集中的各个指标因子进行城市人口空间格式化处理，获得城市人口密度分布图；
所述基于主成分分析赋权法对所述社会经济以及自然环境数据集中的各个指标因子进行指标权重赋值，包括：
构建主成分的线性组合；
根据构建好的主成分的线性组合构建指标因子的得分模型；
采用得分模型来计算所述社会经济以及自然环境数据集中的各指标因子的综合得分；
对所述得分模型中的指标得分系数进行基础归一化处理，获取指标权重；
所述构建主成分的线性组合的公式如下：
Zj＝Lj1*X1+Lj2*X2+…+Ljp*Xp (j≤p)；
其中，Zj为第j个主成分的线性组合；X1，X2，…，Xp为原始的p个指标因子；Ljp为第p个指标在主成分Zj中的得分系数；
所述根据构建好的主成分的线性组合构建指标因子的得分模型的公式如下：
所述对所述得分模型中的指标得分系数进行基础归一化处理的公式如下：
其中，Z为综合得分模型；δi为指标Xi的得分系数；Lji为第i个指标在主成分Zj中的得分系数；为主成分Zj的方差贡献率；wi为指标Xi的最终指标权重；
所述基于赋值后的所述社会经济以及自然环境数据集中的各个指标因子进行城市人口空间格式化处理，包括：
在获得各个指标因子的指标权重赋值之后，计算对应城市区域的人口分布栅格的综合权重值；
根据综合权重值计算获取城市人口密度分布图；
其中，所述计算对应城市区域的人口分布栅格的综合权重值的公式如下：
所述根据综合权重值计算获取城市人口密度分布图的公式如下：
其中，F为每个栅格的综合权重值；wi为第i项指标的最终指标权重；Pij为第i项指标的第j个栅格的归一化值；m为评价指标个数；POPij为空间化后的每个栅格内的人数；POP为该栅格所在城市辖区的人口统计值；Fij为某个栅格的综合权重值；∑Fij为某个栅格所在城市辖区的所有栅格的综合权重值总和。
2.根据权利要求1所述的城市人口空间化处理方法，其特征在于，所述对所述城市数据进行预处理，包括：
对所述NPP/VIIRS夜间灯光数据进行几何校正、噪声去除、重采样处理，获取夜间灯光强度图像数据；
通过Arcgis10.2软件对所述DEM数据进行坡度数据采集处理，获取坡度数据；
对所述Landsat 8OLI遥感影像数据进行遥感解译处理，获取土地利用类型数据、距最近道路距离数据以及距最近河流距离数据；
对所述开发社会经济指标POI数据与划定区域内的统计人口进行相关性分析，获得教育医疗核密度数据、餐饮核密度数据以及交通设施核密度数据。
3.根据权利要求2所述的城市人口空间化处理方法，其特征在于，所述对所述Landsat8OLI遥感影像数据进行遥感解译处理，获取土地利用类型数据、距最近道路距离数据以及距最近河流距离数据，包括：
对所述Landsat 8OLI遥感影像数据进行遥感解译处理，获得30m*30m分辨率的栅格图像数据；
对所述30m*30m分辨率的栅格图像数据按人口在不同土地利用类型分布进行量化赋值，获取土地利用类型量化数据；
对所述30m*30m分辨率的栅格图像数据中的道路和河流进行缓冲区分析，从而计算最邻近道路距离以及最邻近河流距离，获取距最近道路距离数据以及距最近河流距离数据。
4.根据权利要求2所述的城市人口空间化处理方法，其特征在于，所述对所述开发社会经济指标POI数据与划定区域内的统计人口进行相关性分析，获得教育医疗核密度数据、餐饮核密度数据以及交通设施核密度数据，包括：
对所述开发社会经济指标POI数据与划定区域内的统计人口进行相关性分析，获取分析结果；
对所述分析结果进行排序，获得排序靠前的教育医疗核密度数据、餐饮核密度数据以及交通设施核密度数据。
5.根据权利要求2所述的城市人口空间化处理方法，其特征在于，所述基于城市数据的预处理结果构建影响城市人口分布的社会经济以及自然环境数据集，包括：
利用所述夜间灯光强度图像数据、教育医疗核密度数据、餐饮核密度数据以及交通设施核密度数据构建影响城市人口分布的社会经济数据集；
利用所述坡度图像数据、土地利用类型数据、距最近道路距离数据以及距最近河流距离数据构建影响城市人口分布的自然环境数据集。
6.一种基于多源开放数据的城市人口空间化处理系统，其特征在于，所述系统包括：
数据获取模块：用于获取城市数据，其中，所述城市数据包括NPP/VIIRS夜间灯光数据、DEM数据、Landsat 8OLI遥感影像数据以及开发社会经济指标POI数据；
预处理模块：用于对所述城市数据进行预处理，基于城市数据的预处理结果构建影响城市人口分布的社会经济以及自然环境数据集；
权重赋值模块：用于基于主成分分析赋权法对所述社会经济以及自然环境数据集中的各个指标因子进行指标权重赋值；
人口空间化模块：用于基于赋值后的所述社会经济以及自然环境数据集中的各个指标因子进行城市人口空间格式化处理，获得城市人口密度分布图；
所述基于主成分分析赋权法对所述社会经济以及自然环境数据集中的各个指标因子进行指标权重赋值，包括：
构建主成分的线性组合；
根据构建好的主成分的线性组合构建指标因子的得分模型；
采用得分模型来计算所述社会经济以及自然环境数据集中的各指标因子的综合得分；
对所述得分模型中的指标得分系数进行基础归一化处理，获取指标权重；
所述构建主成分的线性组合的公式如下：
Zj＝Lj1*X1+Lj2*X2+…+Ljp*Xp(j≤p)；
其中，Zj为第j个主成分的线性组合；X1,X2,…,Xp为原始的p个指标因子；Ljp为第p个指标在主成分Zj中的得分系数；
所述根据构建好的主成分的线性组合构建指标因子的得分模型的公式如下：
所述对所述得分模型中的指标得分系数进行基础归一化处理的公式如下：
其中，Z为综合得分模型；δi为指标Xi的得分系数；Lji为第i个指标在主成分Zj中的得分系数；为主成分Zj的方差贡献率；wi为指标Xi的最终指标权重；
所述基于赋值后的所述社会经济以及自然环境数据集中的各个指标因子进行城市人口空间格式化处理，包括：
在获得各个指标因子的指标权重赋值之后，计算对应城市区域的人口分布栅格的综合权重值；
根据综合权重值计算获取城市人口密度分布图；
其中，所述计算对应城市区域的人口分布栅格的综合权重值的公式如下：
所述根据综合权重值计算获取城市人口密度分布图的公式如下：
其中，F为每个栅格的综合权重值；wi为第i项指标的最终指标权重；Pij为第i项指标的第j个栅格的归一化值；m为评价指标个数；POPij为空间化后的每个栅格内的人数；POP为该栅格所在城市辖区的人口统计值；Fij为某个栅格的综合权重值；∑Fij为某个栅格所在城市辖区的所有栅格的综合权重值总和。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910527468.9A CN110428126B (zh) | 2019-06-18 | 2019-06-18 | 一种基于多源开放数据的城市人口空间化处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910527468.9A CN110428126B (zh) | 2019-06-18 | 2019-06-18 | 一种基于多源开放数据的城市人口空间化处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110428126A CN110428126A (zh) | 2019-11-08 |
| CN110428126B true CN110428126B (zh) | 2023-05-05 |
Family
ID=68408660
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910527468.9A Active CN110428126B (zh) | 2019-06-18 | 2019-06-18 | 一种基于多源开放数据的城市人口空间化处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110428126B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111833224B (zh) * | 2020-05-26 | 2023-11-28 | 东南大学 | 一种基于人口栅格数据的城市主副中心边界识别方法 |
| CN112925870B (zh) * | 2021-03-15 | 2023-06-02 | 北京师范大学 | 一种人口空间化方法及系统 |
| CN115272025A (zh) * | 2021-04-30 | 2022-11-01 | 华为技术有限公司 | 确定人口分布热力数据的方法、装置和存储介质 |
| CN113689048A (zh) * | 2021-08-31 | 2021-11-23 | 广东工业大学 | 一种预测未来人口精细化空间分布的方法、系统及计算机可读存储介质 |
| CN114819852B (zh) * | 2022-05-24 | 2022-11-22 | 深圳市神州龙智慧城市科技有限公司 | 用于智慧城市的物流规划系统及方法 |
| CN115186009A (zh) * | 2022-07-13 | 2022-10-14 | 中国科学院地理科学与资源研究所 | 基于兴趣点数据的城市人口日内变化空间化方法及系统 |
| CN115544199B (zh) * | 2022-11-28 | 2023-03-31 | 中国测绘科学研究院 | 面向载体精细提取的国外人口空间集成方法和系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101777170A (zh) * | 2010-02-09 | 2010-07-14 | 北京师范大学 | 一种基于城市分类的生态城市指标体系构建方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8308318B2 (en) * | 2009-05-01 | 2012-11-13 | Lighting Science Group Corporation | Sustainable outdoor lighting system |
| CN101794433A (zh) * | 2010-03-03 | 2010-08-04 | 北京师范大学 | 一种城市规划实施的生态安全后评价方法 |
| CN107506433A (zh) * | 2017-08-23 | 2017-12-22 | 中国科学院地理科学与资源研究所 | 城市发展空间格局情景模拟系统 |
| CN107545380A (zh) * | 2017-10-13 | 2018-01-05 | 常州工学院 | 基于主成分分析的城市宜居性评价模型 |
| CN107679676A (zh) * | 2017-10-27 | 2018-02-09 | 河海大学 | 一种基于数值模拟的城市低影响开发优化配置方法 |
| CN109376969A (zh) * | 2018-12-14 | 2019-02-22 | 中南大学 | 基于深度学习的城市精细化人口分布动态预测方法及装置 |
-
2019
- 2019-06-18 CN CN201910527468.9A patent/CN110428126B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101777170A (zh) * | 2010-02-09 | 2010-07-14 | 北京师范大学 | 一种基于城市分类的生态城市指标体系构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110428126A (zh) | 2019-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110428126B (zh) | 一种基于多源开放数据的城市人口空间化处理方法及系统 | |
| Long et al. | Spatiotemporal heterogeneity of urban planning implementation effectiveness: Evidence from five urban master plans of Beijing | |
| Hashimoto et al. | Scenario analysis of land-use and ecosystem services of social-ecological landscapes: implications of alternative development pathways under declining population in the Noto Peninsula, Japan | |
| Dutta et al. | Exploring the dynamics of urban sprawl using geo-spatial indices: a study of English Bazar Urban Agglomeration, West Bengal | |
| Shen et al. | Land-use changes in a pro-smart-growth state: Maryland, USA | |
| Fan et al. | Understanding spatial-temporal urban expansion pattern (1990–2009) using impervious surface data and landscape indexes: a case study in Guangzhou (China) | |
| Amadio et al. | Mapping socioeconomic exposure for flood risk assessment in Italy | |
| Ren et al. | Analysis of the spatial characteristics of inhalable particulate matter concentrations under the influence of a three-dimensional landscape pattern in Xi'an, China | |
| Lestari et al. | Spatial dynamics model of land availability and population growth prediction in Bengkulu City | |
| Tezel et al. | Accurate assessment of protected area boundaries for land use planning using 3D GIS | |
| CN114662774A (zh) | 一种城市街区活力预测方法、存储介质和终端 | |
| Sleeter et al. | Estimating daytime and nighttime population density for coastal communities in Oregon | |
| Yusoff et al. | The impact of regional development towards the well-being of rural community | |
| Legarias et al. | Building density level of urban Slum Area in Jakarta | |
| Li et al. | The impacts of POI data on PM2. 5: a case study of weifang city in China | |
| WO2024098445A1 (zh) | 一种乡村生境质量评估及预测方法 | |
| Yan et al. | Wind erosion reduction by water diversion in the lower Heihe River Basin, Northwest China | |
| CN117151499A (zh) | 一种国土空间规划的监测评估方法及系统 | |
| Samad et al. | Urbanization and urban growth dynamics: a study on Chittagong City | |
| CN115860213A (zh) | 多情景城市应急采样场所选址优化方法、系统、设备及介质 | |
| CN112950079B (zh) | 绿地供需数据处理方法、系统、计算机设备及存储介质 | |
| Krunić et al. | Modelling the spatial distribution of Vojvodina's population by using dasymetric method | |
| Rahman | Quantifying urban form-compactness versus sprawl: An analysis of Chittagong and Sylhet metropolitan cities | |
| Ghahremanlou et al. | Mechanism of the effect of urban form and land use on transportation and air pollution in Tehran | |
| Li et al. | Phased and polarized development of ecological quality in the rapidly-urbanized Pearl River Delta, China |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |