人口数据空间化研究综述_柏中强

PROGRESSINGEOGRAPHY地理科学进展

Vol.32,No.11Nov.,2013

人口数据空间化研究综述

柏中强1,2，王卷乐1，杨飞1(1.中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京100101；2.中国科学院大学，北京100049)

摘

要：人口数据空间化研究旨在发掘和展现人口统计数据中隐含的空间信息，并以地理格网或其他区域划分的

形式再现客观世界的人口分布，具有重要的科学意义。人口空间分布数据有助于从不同地理尺度和地理维度对人口统计数据形成有益补充，其应用广泛，相关研究方兴未艾。主要从以下3个方面对人口数据空间化研究进行综述：①主要空间化方法的原理及其适用性；②空间化中用到的建模参考因素，并结合具体应用案例分析其作用机理；③典型人口空间化数据集。在此基础上，分析了现阶段人口数据空间化所运用的输入数据的质量和详细程度、尺度效应及时空分辨率、长时间序列数据集和精度检验等方面存在的问题；并探讨了人口数据空间化未来的研究方向。

关键词：人口数据；空间化方法；建模要素；数据集doi:10.11820/dlkxjz.2013.11.012

1引言

人口数据是表征人类活动最直接的指标之一，

在生态环境保护、灾害风险评估与救援、商业决策、区域规划与开发等领域广泛运用。人口统计数据通常以行政区为单元逐级统计和汇总而来，以严谨的统计学理论和方法作为支撑，具有权威、系统、规范的特点(胡云峰等,2011)。但是当此类数据应用于空间分析或跨学科研究时，会出现如下问题：①人口统计数据所依赖的行政单元(省、市、县、乡镇等)与实际研究中的自然单元(流域、土壤类型单元、植被类型单元、样带等)边界不一致，从而造成地学研究中的“可变元问题”(Openshawetal,1983;杨小唤等,2002)；②以行政区平均密度来表征的人口空间分布信息不能在小尺度上体现人口空间分布特征，其精度也无法达到许多科学研究和工程应用的要求；③时间分辨率低，更新周期长，中国国家层面的人口普查一般是每10年进行一次，而其他大多数发展中国家的更新周期更长；④不便于可视化和空间分析操作，不利于表现和挖掘人口的分布规律及其模拟和预测研究。

以现代对地观测技术和地理信息空间分析与模拟技术为支撑，“社会数据空间化”和“空间数据

社会化”(PixelizingtheSocialandSocializingthe

Pixel)成为学界关注的焦点(Jacquelineetal,1998;蒋耒文,2002)，人口数据空间化作为其典型代表和重要研究领域，对人口统计数据形成了有益补充。

人口数据空间化，是基于人口空间分布模型或采用一定的计算方法或算法，对人口统计数据进行离散化处理，发掘并展现其中隐含的空间信息，以便模拟或再现客观世界的人口地理分布。空间化工作的输入包括人口统计数据、行政界线、对人口分布具有指示作用的建模参考要素等，输出为人口分布格网表面(人口数据格网化)或满足特定区域划分要求的人口分布数据(区域人口估计)。这一研究的科学意义和应用价值主要表现在：①空间化的人口数据能够更真实地刻画人口空间分布，信息容量增加，能够促进以人口数据为素材的相关研究和应用的发展；②格网化人口数据能够便利地进行空间分析和地学模拟，易于和遥感数据源进行复合研究，为多源多尺度数据融合提供了新的思路和模式；③人口数据空间化模型可应用于空间化人口数据内插和预测，为快速、低成本的人口数据获取提供了新手段，有益于提高人口数据的时间分辨率信息；④人口数据是典型的统计型社会经济数据，其空间化方法与应用研究对于其他社会经济要素

收稿日期：2013-06；修订日期：2013-09.基金项目：国家科技基础性工作专项重点项目(2011FY110400)；国家科技基础性工作专项课题项目(2012FY111800-05)。作者简介：柏中强(1988-)，男，博士研究生，主要研究方向为基于格网的区域人口时空模拟。E-mail：baizq@lreis.ac.cn通讯作者：王卷乐(1976-)，男，博士，副研究员，主要从事格网化资源环境综合科学调查研究。E-mail：wangjl@igsnrr.ac.cn

1692-1702页11期柏中强等：人口数据空间化研究综述1693

(如GDP、资源)具有引领和示范作用。

2主要研究进展

2.1主要空间化方法

采用何种计算方法或算法对人口统计数据进行离散化处理是人口数据空间化研究的核心内容。学界对人口数据空间化方法进行了一定的总结，Wu等(2005)将基于遥感和GIS的人口估计方法分为区域插值和统计建模两大类，符海月等(2006)将人口数据空间化模型归为面积权重模型、土地利用类型影响模型、重力模型、多源数据融合模型等5种，林丽洁等(2010)则总结出了10种模型。本文从人口数据空间化方法的发展历程和基本原理的角度出发，将其归纳为城市地理学中的人口密度模型、空间插值方法、基于遥感和GIS的统计建模方法等3类。

2.1.1城市地理学中的人口密度模型

城市地理学中的人口密度模型主要有距离衰减模型和异速生长模型两类。距离衰减模型刻画了城市人口密度从中心向外围递减的趋势，模型参数有城市中心人口密度、城市影响力范围(城区半径)等，如负指数模型(Clarketal,1951)、基于高斯分布的Smeed模型、基于重量—质量—距离理论的重量人口分布模型等(江东等,2002)；异速生长模型(陈彦光,2000)认为在区域城市化的过程中，城市人口密度和建设用地之间通常具有异速生长关系和分形几何结构，从而发展出了基于城市人口数量和建设用地面积的异速生长模型。

城市地理学中的人口密度模型可以对城镇人口分布规律做宏观描述。现代城市的多中心分布及区域规划导致的城区范围不规则等带来了许多不确定性，使得城区半径和建设用地分布不足以刻画城区人口分布规律。这些模型在现阶段对于城区人口空间化具有一定的参考意义，但更多的是运用于城区人口分布规律实证研究。2.1.2空间插值方法

空间插值的理论基础是假设空间位置上越靠近的点，越可能具有相似的特征值。依照空间插值法在人口数据空间化中的应用范式，将其概括为面插值法、点插值法和地统计学方法。

(1)面插值法

Fisher等(1995)将面插值方法分为3类：面积权重法、回归分析法和表面生成法。面积权重法是面插值中最基本的方法，其他方法均是在其基础上增加约束条件演变出来的，其基本原理是：假设人口

在各行政单元内均匀分布，根据格网内各行政单元的面积，以人口密度作为桥梁，完成人口数据从行政单元向网格单元的转化。典型研究如吕安民等(2002)、Mennis(2003)、范一大等(2004)。面插值法的优点是简洁易行、具有人口数量的保值性，同时也能够在一定程度上消除行政界线两侧数据的突变特征，适合简单的人口统计数据与自然地理数据的集成研究。其缺点是仅仅完成了数据表现格式的转换，刻画真实人口分布的能力较弱。

(2)点插值法

点插值法的基本原理是用一定抽样规则的点代替表面，进而进行插值加密(Martin,19,1996)。根据参与运算的点选择范围的不同，可以分为局部点插值和全局点插值。核密度函数法是最常用的人口数据点插值方法(吕安民等,2002)。点插值法中，插值方法和点的采样规则对结果影响显著。采用点插值法生成的人口空间化结果，一般用于展现和分析人口分布的格局和趋势。其不足之处是，用点来表征区域人口密度本身就引进了误差，且许多点插值方法有特定的假设条件，这些因素都导致了插值结果有一定的数量误差。

(3)地统计学方法

地统计学方法运用于人口数据空间化中，主要有两个方面：一是利用空间变异理论对城市人口密度结构和尺度效应等进行分析，如杜国明等(2007)、匡文慧等(2011)；二是利用协同克里金法进行格网化插值，如Liu等(2003)。协同克里金法进行人口数据空间化插值的原理是：将人口密度值分解为稳定的空间量(漂移)和随机变量(残差)两部分，漂移值可以利用线性回归法求解，残差利用协同克里金插值法得到。该方法的优点在于估计残差值的次要变量能够弥补估计漂移值的主要变量信息不足的问题，能够充分利用多种辅助信息，理论基础牢靠，估计结果精度较高；缺点在于模型复杂，实现较为困难。

面插值法和点插值结果的分辨率一般为几十千米(范一大等,2004)，直接了其应用领域。地统计学方法易于和高分辨率遥感数据源结合，在区域精细尺度人口估计方面具有独到优势(Liuetal,2008)，是近年来的研究热点。

2.1.3基于遥感和GIS的空间化方法

遥感和GIS为人口数据空间化提供了重要的研究手段，主要体现在：遥感可以直接或间接提供地表波谱反射率、植被指数、不透水面、土地利用等1694地理科学进展32卷

多种地表参数信息；通过GIS技术可以建立专题要素空间分布的地理因子库；GIS提供了大量的空间分析方法和途径(王雪梅等,2004)。近20年来，基于遥感和GIS的人口数据空间化方法成为主要的空间化方法，本文将其归纳为土地利用类型法、多源信息融合法和基于像元特征的空间化方法等3类。

(1)土地利用类型法

土地利用类型法假设研究区内各种土地利用类型上的人口分布均一，根据一定数量的研究区内各种土地利用类型的面积和对应的人口统计数据求得各种土地利用类型的人口密度，进而以格元内各土地利用类型的面积作为权重实现人口统计数据格网化。基于该原理，中国科学院资源环境科学数据中心生产了中国1995、2000和2003年的公里格网人口数据集。土地利用类型法要求研究区内的人口分布规律具有某种一致性，分区建模、分城乡建模、分县控制是其经常采取的控制手段。该方法已是较为成熟和普遍的方法，原理简单，精度较高，其不足之处是无法反映各种土地利用类型的综合影响，不能反映人口分布的某些随机特征。

(2)多源信息融合法

多源信息融合技术能同时利用定性和定量数据，并能处理空间及时间尺度差异的问题。该方法用于人口数据空间化的基本流程是：选择多个与人口分布相关的指示性因子，分别定量描述其与人口分布的关系；以乘积或加权求和的方法将多因子融合为人口分布权重值；建立权重值与人口分布数据的关系，进而实现统计数据到格网密度面的转变。代表性的研究如廖顺宝等(2003a)、田永中等(2004)、UNEP/GRID、汪蓉(2011)等。该方法的优点是能够以较客观的方式选择人口分布的指示性因子，合理地赋予权重值；易于和GIS技术结合，统一了多种要素和模型，模拟结果精度较高，能比较真实地反映人口数据的空间分布情况。但其缺点在于因子权重确定的过程较为复杂，客观上增加了该方法推广应用的难度。

(3)基于像元特征的空间化方法

基于像元特征的空间化方法旨在直接建立人口分布与像元尺度的波谱反射率、纹理量、夜间灯光等特征量之间的关系，常用的遥感影像包括MO-DIS、TM、SPOT、IKONOS、QuickBird、航片等。波谱反射率信息包括各波段波谱值及其算术运算结果，常用纹理量包括粗细度、方向性和对比度等3种，夜间灯光数据包括灯光强度、灯光区面积等变量。近年来，直接提取像元尺度的城镇范围或居民

地而进行人口数据空间化成为高分辨率空间化的重要手段(Linardetal,2012;Azaretal,2013)。像元特征估计模型多属于经验型统计模型，遥感数据自身的不确定性及区域差异导致其普适性较差。随着中分辨率和高分辨率影像越来越易于获取，像元特征估计法在提高人口数据空间化的时间和空间分辨率上有着不可比拟的优势，具有广阔的应用前景。2.2常用建模参考要素

有关学者对人口数据空间化过程的建模参考因素进行了一定的总结，例如林丽洁等(2010)将其归纳为水热条件、地形地貌、土地利用、交通廊道和夜间灯光等5类。本文按各要素的使用频率依次将其归纳为土地利用/土地覆被、交通廊道、地形地貌、居民点密度、夜间灯光、像元波谱反射率和纹理量等7类，并对典型研究案例进行回顾。2.2.1土地利用/土地覆被

人口分布格局与土地利用/土地覆被格局具有耦合关系，而全球变化研究的兴起增加了土地利用/土地覆被数据的易获得性，使得其成为了人口数据空间化中最常用的要素。其主要作用方式有4种：①土地覆被中的水体、荒漠、冰川等类型为不适合人类居住区，在空间化中作为掩膜剔除；②居民地作为人类居住载体，在空间化中给予最高优先级或绝对权重；③假设区域内人口在建筑用地、耕地、草地等生产和生活用地内均匀分布，计算各种土地利用类型人口密度，根据格网单元的各土地利用类型面积进行空间化；④利用居住区面积进行区域人口估计。典型研究如Yuan等(1997)、杨小唤等(2002)、江东等(2002)、田永中等(2005)。土地利用/土地覆被数据的分类精度和详细程度决定了空间化结果的精度和尺度，为使应用更加简单，经常需要对土地利用数据简单重分类。2.2.2交通廊道

交通廊道是人类活动的通道，其一定缓冲区范围内对人口分布具有凝聚作用。在实际运用中，主要是通过对线状要素进行缓冲区分析，进行回归建模赋权重或表达为通达性来刻画其对于人口空间分布的影响力。Yue等(2005)将铁路、公路密度归一化值作为重力模型的主要影响因子之一，分别模拟山东省与中国1km×1km的人口密度分布，并预测了2015年人口波动特点。田永中等(2004)利用1:100万和1:400万中国资源环境数据库，对主要铁路、公路、河流等通过缓冲区分析其与各种土地利用的关系，结果认为土地利用(特别是耕地、农村居11期柏中强等：人口数据空间化研究综述1695

民点)与交通廊道之间存在距离关系。UNEP/GRID

人口数据集利用基于道路和城市中心的通达性模型进行空间化。交通廊道在具体应用中需要对其作用指数、影响距离即衰减方式进行细致刻画，例如不同的道路通行速度的差异、道路入口的凝聚力更强的问题等。2.2.3地形地貌

地形地貌主要在大尺度上对人口分布影响明显，可以描述为人类居住地总是满足一定的地形地貌条件，常用的建模因素有高程、坡度、坡向和地面粗糙度等。董春等(2002)对贵州的人口分布状况进行研究后发现随着地形坡度的增加人口密度迅速降低，且人口主要分布在阳坡上。廖顺宝等(2003b)使用青藏高原重采样后精度为1km的高程数据对海拔进行级差为100m的分级，发现人口密度与平均高程在青海境内呈明显的对数负相关。李旭东等(2007)研究发现受海拔影响，贵州喀斯特地区的人口呈垂直分布。封志明等(2007)使用10km中国地形起伏度栅格数据与2000年1km全国人口密度栅格数据制作散点图，分析得出两者存在较强的相关性，对数曲线拟合度为0.91，证明地形起伏度是影响中国人口分布的重要因素之一。在空间化过程中，地形因子往往被离散成为类别量来人口的分布。

2.2.4居民点密度

居民点是人口空间分布的载体，居民点密度对于人口空间分布具有指示作用，往往需要和其他要素结合起来完成空间化工作。王春菊等(2005)研究发现，福建各市(县)平均人口密度与居民点密度有很强的相关性：人口密度与城镇居民点分布密度的相关系数达0.679，与乡镇级居民点分布密度的相关系数为0.829。刘业森等(2005)利用回归方法得到山东省不同级别县(市)的城镇居住密度与农村居住密度，构造Voronoi图替代乡镇边界，并利用反距离插值算法和窗口移动平均法，得到山东省的居住密度分布图。闫庆武等(2011)采用核密度估计法得到江苏省城镇级(乡、街道)公里格网居民点密度，并以其为权重，按县边界为控制单元的人口密度分配，实现江苏省公里格网人口空间化。2.2.5夜间灯光

夜间灯光数据用于人口数据空间化建模时，融合了交通廊道、土地利用和居民地等信息，具有综合性强，所需建模因子少的特点。Sutton等(2001)利用DMSP-OLS夜间灯光数据的面积估计了全球各个国家城市人口，基于已知的城区人口百分比估计一个国家的总人口数，获得了全球人口为63

亿。Lo(2001)利用DMSP-OLS夜间灯光数据评估中国省、县和城市级别上的人口数据潜能，结果表明利用异速生长模型从光域面积和光强度中可以生成县和城市级别非农业区(城市)相对精确的人口估计值，利用线性回归模型根据灯光面积的百分比可以很好的估计县级农业人口。Prosperie等(2002)使用DMSP图像对美国德克萨斯州的254个县进行研究，发现灯光强度和人口数量之间的相关系数达到了0.974。卓莉等(2005)采用DMSP/OLS非辐射定标夜间灯光平均强度数据，基于灯光强度信息模拟了灯光区内部的人口密度，基于人口-距离衰减规律和电厂叠加理论模拟了灯光区外部的人口密度，以人口统计数据进行总量控制，对中国1998年县级总人口和非农业人口统计数据进行了空间化。Briggs等(2007)利用克里金插值和反距离插值将DMSP-OLS夜间灯光数据处理为200m格网，结合土地利用数据，利用多元回归法生成了欧盟地区20世纪90年代和2000年左右的公里格网数据。2.2.6像元波谱反射率

直接从遥感影像的多光谱信息中估算人口分布是当前研究领域的前沿之一，其空间化最小单元即为像元。Lo(1995)使用多光谱SPOT影像，以SPOT3个波段的平均反射光谱值和基于SPOT影像的居民点分类信息为自变量，以像元尺度的人口数或住户数为因变量，构建了线性回归模型及对数模型，拟合度较好的模型R2值分别为0.88和0.77。Webster等(1996)用模型估计津巴布韦哈拉雷47个郊区的居住区密度，因变量来自SPOT和TM影像，以及每个郊区的像元子样品，根据色调(TM6个波段)、纹理(城市和非城市)、离城市中心的距离建立模型，线性和对数模型的R2分别是0.86和0.97。Harvey(2002)基于LandsatTM影像估计澳大利亚小区域人口密度和数量，用最小二乘法迭代回归像元上人口数，遥感估计获得的验证区人口和普查人口之间相关关系的R2达到0.86。随着中高分辨率影像的普及，像元波谱反射率信息在快速人口分布估计中的应用将进一步扩展。2.2.7纹理量

遥感影像表现出的纹理特征与人口密度分布存在一定的物理机理联系，各纹理表征量又是连续量，在人口空间化建模中具有一定潜力(Liu,2006)。Chen(2002)使用均质性纹理估计把居住区像元分为不同的均质性等级，然后在每个均质性等级的像元数和房屋密度之间建立相关关系。刘纪1696地理科学进展32卷

远等(2003)将区域人口密度分为期望值和残差值两部分，利用土地利用数据对其前者进行了估计；基于IKONOS影像提取的纹理特征，利用协同克里金方法对残差进行了插值，经过验证，空间精度提高明显。另外，他们进一步对空间人口密度与IKO-NOS影像提取的纹理量间的相关关系进行了研究，结果表明，虽然纹理量与人口密度之间的相关强度不足以进行居民地人口密度预测，但是纹理量在空间信息不明确的区域性人口估计中具有极强的潜力，高分辨率遥感影像的纹理量可以支持“智能化”人口空间化。Azar等(2013)利用ETM+、QUICK-BIRD、IKONOS等提取纹理量参与到居民地分类之中，得到了巴基斯坦2000年百米格网的人口分布数据。

2.3人口数据空间化代表性数据集

人口数据空间化数据集是以上各种方法和模型应用的直接成果。为了更直观反映当前人口数据空间化的研究进展，本文选取了部分国内外有代表性的人口数据集进行介绍。2.3.1中国公里格网人口数据集

中国科学院资源环境科学数据中心2005年发布了全国1995、2000、2003年公里格网人口分布数据集，其生产方法是：根据全国人口增长和区域差异特征分层分区建模，假设各区内同一土地利用类型人口密度相同，各区内选取N个样点县，利用最小二乘法计算各土地利用类型人口密度，叠置格网，按照各土地利用类型面积权重计算人口密度。目前，该数据集由地球系统科学数据共享网无偿提供下载①。

2.3.2UNEP/GRID

UNEP/GRID②是由联合国环境计划署支持的全球资源信息数据库(GlobalResourceInformationDatabase,GRID)，由多个数据中心组成，设立在美国苏瀑布(SiouxFalls)的子数据库提供全球人口和行政边界数据。该数据库目前提供非洲(1960-1990年)、亚洲(1995年)和拉丁美洲(1960-1980年和2000年)的5km分辨率人口数据。UNEP/GRID人口分布模型假设人们往往倾向于集中在交通基础设施条件较好的地方，通过交通网、城市中心、城镇位置和大小等信息，计算基于网络结点的人口潜能，利用保护区、水域等信息剔除不适合人口分布的区域，将各行政单元的人口总数根据最近的临近指数分布到每个格点。

2.3.3GPW&GRUMP

GPW(GriddedPopulationoftheWorld)和GRUMP(GlobalRural-UrbanMappingProject)③数据集由美国航空航天管理局(NASA)资助，现由哥伦比亚大学国际地球科学信息网络中心(CIESIN)主持，覆盖范围为全球各大洲。至今，GPW已经发布了3个版本的数据集，第3版(GPWv3)于2005年发布，最高空间分辨率为2.5'(相当于赤道处的5km)，包括1990、1995、2000年数据集及2005、2010和2015的估计数据集(GPWfe)。GRUMP第1版(GRUMPv1)于2011年发布，空间分辨率为30''(相当于赤道处的1km)，包括1990、1995、2000年的数据。GPWv3数据集的生产在全球约使用了400000个行政区划多边形及对应的人口统计数据，利用面积权重法进行格网化。GRUMPv1在生产过程中，引入了从夜间灯光数据中提取的城市边界和面积信息，同时收集了全球人口总数大于1000人的居民点信息，空间分辨率和精度均得到了大幅提高(Balketal,2006)。2.3.4LandScan

LandScan数据集是一个世界范围的1km分辨率人口数据集，是美国国家橡树岭实验室全球人口项目的一部分(Dobsonetal,2000;Bhadurietal,2007)。它使用地理信息系统和遥感相结合的创新方法，在发展、制作全球人口格网数据方面居于世界领先地位。LandScan数据集空间化策略是：收集各国权威可信的人口统计数据(通常到省级)，构建基于坡度、道路可达性、土地覆被、城市密度、夜间灯光的权重模型，计算所有像元的人口分布概率系数，以各行政区界线和人口总数作为控制条件，依据系数分配，并用高分辨率影像进行检验。针对全球各国或地区在居住文化、统计数据的可获得性、质量、尺度及精确性等方面的差异，LandScan项目组开发了适应不同数据条件和区域特征的人口分配算法，并且这种算法每年更新一次，同时，更新数据集。目前，该数据集包括1998年和2000-2011年的全球数据。2.3.5AfriPop、AsiaPop、AmeriPop

AfriPop、AsiaPop和AmeriPop是由佛罗里达大学地理系和新型病原研究所主持的百米格网人口数据空间化项目，牛津大学参与其中，目的在于提

①http://www.geodata.cn/Portal/metadata/viewMetadata.jsp?id=100101-38③http://sedac.ciesin.columbia.edu/data/collection/gpw-v3/aboutus②Global-Resource-Information-Database-SiouxFalls.http://na.unep.net/datasets/datalist.php

11期柏中强等：人口数据空间化研究综述1697

供欠发达地区的高分辨率和高精度的人口空间化

信息，主要用于流行病学、扶贫、道路和城市规划及人口迁移研究。AfriPop④项目启动于2009年7月，目前已经产生覆盖非洲地区所有国家2010年的百米格网数据和部分国家2015年预测数据。AsiaPop⑤

项目启动于2011年7月，旨在生产覆盖亚洲地区所有国家的2010年百米格网人口分布数据，目前已经完成并发布了部分国家或地区的数据集。AmeriPop项目于2012年10月启动，旨在构建覆盖中美洲地区所有国家2010年百米格网人口空间分布数据。该数据集的生产方法(Tatemetal,2007;Linardetal,2012)是：收集各国2010年权威或官方发布的人口统计数据(例如中国采用的是国家统计局2010年发布的市/县/区3级统计数据)，与相应的行政区划数据联接；基于TM数据，联合多种数据源(OpenStreetMap、已有的建成区数据等)，提取居住区数据；利用行政区划数据和居住区边界数据能够实现大多数地区的人口空间分配，对于少数无法用上述方法进行人口空间化的农村地区，利用土地利用类型法实现人口再分布。

上述数据集中除了LandScan数据集为商业数据集之外，其他数据集均为开放无偿共享数据集，在全球变化引起的海平面上升(Mondaletal,2012)、传染病传播及影响(Tatemetal,2010)、全球贫困地区人口制图(Tatemetal,2011)、居住模式(Linardetal,2012)等研究中均有应用。除这些公共数据集之外，研究者们也为特定的研究需求开发了其他数据集，如Bengtsson等(2006)基于全球气候变化模式和城镇扩张而构建的全球1900-2050年人口分布数据集，空间分辨率为0.5°；Silva等(2013)基于土地利用和基础地理数据开发的欧洲地区2006年百米格网人口分布数据集；王雪梅等(2007)基于土地利用，采用分城乡建模获得了黑河流域2000年的公里格网数据。

3存在的主要问题

综上，人口数据空间化研究经历了简单利用人口统计数据和行政区划数据空间插值，到目前利用土地利用、地形地貌、交通廊道、夜间灯光、多分辨率影像等多种参考因素及根据人口空间分布规律逐格点计算的定量化手段，使得空间化结果的精确度和详细程度不断提高，全球或区域的空间化人口

④http://www.clas.ufl.edu/users/atatem/index_files/AfriPop.htm⑤http://www.clas.ufl.edu/users/atatem/index_files/AsiaPop.htm数据集(产品)不断增多。由于人口分布规律的复杂

性和各种建模方法的局限性，现阶段的人口数据空间化研究中仍然存在一些问题，本节主要从人口数据空间化的输入数据质量和详细程度、空间尺度效应及时空分辨率、长时间序列数据、数据集验证等方面进行分析。

3.1输入数据的质量和详细程度

质量良好、时空一致性高的人口统计数据和相关基础数据是提高空间化结果精度的基础。目前的人口数据空间化研究中，存在数据的时相不匹配、多统计口径不一致、数据拆分、基础地理数据质量差等问题(林丽洁等,2010)，这不仅给空间化操作带来了一定的困难，降低了输出数据质量，还制约了空间化产品的应用。此外，输入的人口统计数据及其行政单元越详细，输出的空间化结果精度程度越高。

以中美的人口数据空间化研究为例，美国相关研究者可以获得街区或独栋房屋的人口统计数据，结合高分辨率遥感影像，从而实现高精度建筑物斑块级别的人口数量估计(Silvanetal,2010)；中国可公开获得的人口统计数据多以县域为统计单元，因而小区域高分辨率的人口数据空间化研究较少，且空间化结果的精度有待提高。3.2空间尺度效应与时空分辨率

人口数据空间化的最优分辨率与其应用对象直接相关，分辨率并非总是越高越好，洲际、国家级、亚国家级(省、区域)、流域级等不同尺度的研究和应用所需要的空间化人口数据产品尺度各不相同。目前，大多数人口数据空间化研究的分辨率为1km，也有部分百米格网的人口格网数据。对于同一个研究问题，选择不同尺度的数据产品其结论可能截然不同。当前对于尺度效应的研究较少(叶靖等,2010;王静等,2012)，对于不同应用中人口数据空间化的适宜分辨率，尺度转化方法与信息损失定量评估等问题的研究不够深入。此外，当空间化的分辨率提高到一定水平时，居民的时空移动就成为不可忽略的因素，目前对于高时空分辨率的人口数据空间化模拟研究尚不够深入。3.3长时间序列数据

人口地理学、城市地理学及全球变化等研究领域不但需要某一时刻的人口分布信息，还经常需要了解某一时期多个时刻的人口分布状态，掌握人口分布的动态演化过程。与之相对应的局面是，统计

1698地理科学进展32卷

数据可以形成百年时间序列，而空间化人口数据产品只有十余年的产品。某些需要长时间序列人口数据驱动的模型，研究者只能采取面积插值法等较为原始的方法生成粗分辨率空间化人口数据。考虑到人口统计单元(行政区划)经常发生变革的因素，长时间序列的人口数据空间化研究更为迫切。3.4结果验证

随机抽样验证和与统计数据的比较是现有格网化模型和空间化结果验证采取的主要方法，此类验证是对格网化模型和空间化结果的间接验证，对空间化结果在细致尺度上的精度评价没有很好的方法，不同数据集之间的比较研究也很少见。建立完善、合理、可操作的模型和结果验证体系，实现模型反馈效应，是进一步提高人口数据格网化模型精确性和实用性的必要过程。

4未来研究方向展望

人口数据空间化研究是社会经济数据空间化研究中最活跃、成果最突出的部分，空间化人口数据较行政区为单元的统计数据更能体现人口时空分异规律。针对中国目前此项研究的现状和存在的问题，除加快建设资源环境时空数据库、制定人口-社会经济数据格网化调查规范、开展长时间序列的人口分布模拟及加强尺度效应的研究之外，今后应着重开展下面几方面的研究工作。4.1人口空间分布规律和机理

人口空间分布规律和机理是人口数据空间化模型构建及指示因子选择的理论来源。综合性、多要素的人口数据空间化模型在提高精度的同时，也引起了模型权重确定复杂，难度加大、机理不明等问题(符海月等,2006;封志明等,2011)。深入研究人口空间分布规律和机理，就是要深入分析城乡人口分布规律与影响因素的异同，目前的人口空间化结果基本能够刻画乡村人口分布特征，而对于城市人口分布特征刻画较为粗糙。要定量研究城镇化带来的人口流动等特殊的人口分布现象的特征(如城镇化中的“空心村”人口实际流动现象)，需要对统计数据进行修正，使得空间化结果更符合实际(李扬等,2010)；刻画不同尺度上人口集疏特征和居住模式；寻求较为合理、客观的权重确定方法等。4.2数据集之间一致性比对和精度检验

数据集之间的一致性比对和精度验证工作有利于对现有数据集质量做出评价，为研究者选择数据集提供参考。王雪梅等(2004)在黑河流域将GPW、UNEP/GRID、LandScan和中国公里格网人口数据集等人口估计结果与人口统计数据进行了比较分析，结果表明各数据集之间的不一致性明显，中国公里格网人口数据集在县级人口总数及表达精细程度上均优于其他几种产品。可以借鉴这种做法，对中国区域的主要空间化人口数据集进行一致性比对和精度检验工作。对于不一致性较高的地区，极有可能是人口分布规律较为复杂的地区，应在之后的建模中予以特别关注。目前在格网尺度开展空间化人口数据产品精度验证还较为困难，但并非完全不可能(陈振拓,2012)，在有条件的情况下，应予以格网采样验证。

4.3多源遥感数据和新型数据源的应用

信息技术和传感器技术的飞速发展带来了遥感数据源的极大丰富，高分辨率、高光谱、全天候、多角度的遥感数据为提取地物特征提供了无限的潜能。新型数据源，例如移动轨迹，手机通讯数据等，对于研究人口时空移动规律极其有效。扩大和深化遥感数据及新型数据源在人口数据空间化研究中的应用，一是要研究这类数据和空间人口分布的定量关系，例如Kang等(2012)基于LandScan数据、移动通讯基站及手机通讯数据等，对区域人口在工作日和周末实现了更精确的分布；二是要引进决策树、神经网络、遗传算法、贝叶斯分类器等智能建模方法到空间化方法之中，例如Liao等(2010)基于遗传算法实现了和顺县的高精度人口数据空间化。

4.4城市街区尺度的人口分布模拟

城市街区尺度的人口分布数据在城市应急响应、灾害评估、资源分配、城市规划、市场调查、交通线路设计等方面有着广泛的应用。这类人口数据空间化对于时间和空间分辨率的要求较高：时间分辨率上，要能精确到小时或半小时；空间分辨率上，需要达到独栋建筑物或数十米格网的精度。此外，还应该考虑人口的时空移动问题。近年来，高分辨率遥感影像在人口空间分布研究中的应用在一定程度上提高了人口分布研究的空间分辨率，相关研究或侧重于人口分布的空间识别单元划分的精细化(冯甜甜,2010)，或侧重于时间节点划分的精细化(张露,2012)，实用性较强的城市街区尺度的人口分布模型仍需要深入研究。

4.5长时间序列的人口格网数据集开发

长时间序列的人口格网数据开发主要存在以下困难：①时空一致的指示因子数据难以收集；②各个时期资料密度不同，难以用统一的模型进行空11期柏中强等：人口数据空间化研究综述1699

间化。因此，可以选择典型区进行试验。例如，以

黄土高原地区为研究区(刘艳华等,2012)，基于多分辨率遥感影像和基础地理、土地覆被数据等，开发1980、1990、2000、2010年等4个时间点的百米格网空间化人口数据产品，以表征30年时间序列的人口空间分布，并分析该地区的人口集疏过程及空间格局的变化。

4.6集成多要素和多模型的自适应方法研究

以单一的数学模型全面表达人口分布的内在机理几乎是不可能的，如何综合利用多种数据源，考虑研究区的地理差异性以不同的计算方法实现空间化，是当前的研究难点，也是提高人口数据空间化水平的关键。这种集成多要素和多模型的自适应方法研究的基本含义是：在构建较为完整的人口空间化模型库和指示因子数据库的前提下，根据区域人口空间分布规律和可获得的数据条件，自动选择相适应的要素和模型进行人口数据空间化。LandScan数据集即采用此种空间化方法。Azar等(2013)基于多源遥感数据和基础地理数据，利用回归决策树算法实现的巴基斯坦2010年百米格网人口数据空间化研究也为自适应方法的研究提供了很好的启示。参考文献(References)

AzarD,RyanE,JordanG,etal.2013.Generationof

fine-scalepopulationlayersusingmulti-resolutionsatel-liteimageryandgeospatialdata.RemoteSensingofEnvi-ronment,130:219-232.

BalkDL,DeichmannU,YetmanG,etal.2006.Determining

globalpopulationdistribution:Methods,applicationsanddata.AdvancesinParasitology,62(4):119-156.

BengtssonM,ShenY,etal.2006.ASRES-basedgriddedglob-alpopulationdatasetfor1990-2100.PopulationandEnvi-ronment,28(2):113-131.

BriggsDJ,GulliverJ,FechtD,etal.2007.Dasymetricmodel-lingofsmall-areapopulationdistributionusinglandcov-erandlightemissionsdata.RemoteSensingofEnviron-ment,108(4):451-466.

ChenYG.2000.AtheoreticalproofofClark'smodelonspa-tialdistributiondensityofurbanpopulation.JournalofXinyangNormalUniversity:NaturalScienceEdition,13(2):185-188.[陈彦光.2000.城市人口空间分布密度衰减的一个理论证明.信阳师范学院学报:自然科学版,13(2):185-188.]

ChenZT.2012.Studyonthegridtransformationofpopula-tiondataattheserviceofearthquakeemergency:AcasestudyinYunnanProvincep[D].Beijing,China:InstituteofGeology,ChinaEarthquakeAdministration.[陈振拓.2012.服务于地震应急的人口数据格网化方法研究[D].北京:中国地震局地质研究所.]

ClarkC.1951.Urbanpopulationdensities.JournaloftheRoy-alStatisticalSociety,114(7):490-496.

DobsonJE,BrightEA,ColemanPR,etal.2000.LandScan:

Aglobalpopulationdatabaseforestimatingpopulationsatrisk.PhotogrammetricEngineeringandRemoteSens-ing,66(7):849-857.

DuGM.2008.Methodsandpracticeofpopulationdataspa-tialization.Beijing,China:ChineseAgriculturePress.[杜国明.2008.人口数据空间化方法与实践.北京:中国农业出版社.]

DuGM,ZhangSW,ZhangYQ.2007.Analyzingscaleeffect

ofpopulationdensitywithShenyangCityasacase.Jour-naloftheGraduateSchooloftheChineseAcademyofSciences,24(2):186-192.[杜国明,张树文,张有全.2007.城市人口密度的尺度效应分析:以沈阳市为例.中国科学院研究生院院报,24(2):186-192.]

DongC,LiuJP,ZhaoR,etal.2002.Andiscussiononcorrela-tionofgeographicalparameterwithspatialpopulationdistribution.RemoteSensingInformation,(4):61-.[董春,刘纪平,赵荣,等.2002.地理因子与空间人口分布的相关性研究.遥感信息,(4):61-.]

FanYD,ShiPJ,GuZH,etal.2004.Amethodofdatagrid-dingfromadministrationcelltogriddingcell.ScientiaGeographicaSinica,24(1):105-108.[范一大,史培军,辜智慧,等.2004.行政单元数据向网格单元转化的技术方法.地理科学,24(1):105-108.]

FengTT.2010.Urbansmallareapopulationestimationbased

onhigh-resolutionremotesensingdata[D].Wuhan,Chi-na:WuhanUniversity.[冯甜甜.2010.基于建筑物提取的精细尺度人口估算研究[D].武汉:武汉大学.]FengZM,LiP.2011.Reviewofpopulationgeographyinthe

pastcentury.ProgressinGeography,30(2):131-140.[封志明,.2011.20世纪人口地理学研究进展.地理科学进展,30(2):131-140.]

FengZM,TangY,YangYZ,etal.2007.Thereliefdegreeof

landsurfaceinChinaanditscorrelationwithpopulationdistribution.

Acta

Geographica

Sinica,

62(10):

1073-1082.[封志明,唐焰,杨艳昭,等.2007.中国地形起伏度及其与人口分布的相关性.地理学报,62(10):1073-1082.]

FisherPF,LangfordM.1995.Modelingtheerrorsinarealin-terpolationbetweenzonalsystembymontokarosimula-tion.EnvironmentandPlanningA,27(2):211-224.FuHY,LiMC,ZhaoJ,etal.2006.Summaryofgridtransfor-mationmodelsofpopulationdata.HumanGeography,21(3):115-119.[符海月,李满春,赵军,等.2006.人口数据格网化模型研究进展综述.人文地理,21(3):115-119].Harvey,JT.2002.Populationestimationmodelsbasedonindi-1700地理科学进展32卷

vidualTMpixels.PhotogrammetricEngineeringandRe-moteSensing,68(11):1181-1192.

HuYF，WangQQ,LiJ,etal.2011.Indexsystemandtrans-ferringmethodstobuildthenationalsocietyandecono-mygriddatabase.JournalofGeo-informationScience，13(5):573-578.[胡云锋,王倩倩,李军,等.2011.国家尺度社会经济数据格网化原理和方法.地球信息科学学报,13(5):573-578.]

JacquelineG,LowellP.1998.\"SocializingthePixel\"and\"Pix-elizingtheSocial\"inland-useandland-coverchange//CommitteeontheHumanDimensionsofGlobalChange,NationalResearchCouncil.Peopleandpixels:Linkingremotesensingandsocialscience.Washington,DC:TheNationalAcademyPress:51-69.

JiangD,YangXH,WangNB,etal.2002.Studyonspatial

distributionofpopulationbasedonremotesensingandGIS.ProgressinGeography,17(5):734-738.[江东,杨小唤,王乃斌,等.2002,基于RS,GIS的人口空间分布研究.地球科学进展,17(5):734-738.]

JiangLW.2002.Makingtheconnectionsbetweenpopulation

sciencesandremotescience.MarketandDemographicAnalysis,8(2):42-49.[蒋耒文.2002.社会化的图像和图像化的社会:遥感科学与人口科学研究的结合.市场与人口分析,8(2):42-49.]

KangC,LiuY,MaX,etal.2012.Towardsestimatingurban

populationdistributionsfrommobilecalldata.JournalofUrbanTechnology,19(4):3-21.

KuangWH,DuGM.2011.Analyzingurbanpopulationspa-tialdistributioninBeijingproper.JournalofGeo-infor-mationScience,13(4):506-512.[匡文慧,杜国明.2011.北京城市人口空间分布特征的GIS分析.地球信息科学学报,13(4):506-512.]

LiXD,ZhangSY.Studyonthenaturalenvironmentalfactors

affectingpopulationdistributionintheGuizhouKarstPlateau:Analysisonthemainfactors.AridZoneRe-search,24(1):120-125.[李旭东,张善余.2007.贵州喀斯特高原人口分布的环境因素:主要影响要素研究.干旱区研究,24(1):120-125.]

LiY,LiuH.2010.Researchprogressonmigrationspatial

structuremodeling.ProgressinGeography,29(10):1162-1170.[李扬,刘慧.2010.人口迁移空间格局模拟研究进展与展望.地理科学进展,29(10):1162-1170.]LiaoSB,SunJL.2003a.GISbasedspatializationofpopula-tioncensusdatainQinghai-TibetPlateau.ActaGeograph-icSinica,58(1):25-33.[廖顺宝,孙九林.2003a.基于GIS的青藏高原人口统计数据空间化.地理学报,58(1):25-33.]

LiaoSB,SunJL.2003b.Quantitativeanalysisofrelationship

betweenpopulationdistributionandenvironmentalfac-torsinQinghai-TibetPlateau.ChinaPopulation,Re-sourceandEnvironment,13(3):65-70.[廖顺宝,孙九林.2003b.青藏高原人口分布与环境关系的定量研究.中国人口·资源与环境,13(3):65-70.]

LiaoYL,WangJF.2010.IntegrationofGPandGAformap-pingpopulationdistribution.InternationalJournalofGeo-graphicalInformationScience,24(1):47-67.

LinLJ,LinGF,YanXX,etal.2010.Spatializationmodels

ofcensusdata:Areview.JournalofSubtropicalResourc-esandEnvironment,5(4):10-16.[林丽洁,林广发,颜小霞,等.2010,人口统计数据空间化模型综述.亚热带资源与环境学报,5(4):10-16.]

LinardC,GilbertM,TatemAJ.2010.Assessingtheuseof

globallandcoverdataforguidinglargeareapopulationdistributionmodelling.Geojournal,76(5):525-538.LinardC,GilbertM,SnowRW,etal.2012.Populationdistri-bution,settlementpatternsandaccessibilityacrossAfricain2010.PLoSONE,7(2):e31743.

LiuJY,YueTX.2003.Digitalsimulationofpopulationdensi-tyinChina.ActaGeographicSinica,58(1):17-24.[刘纪远,岳天祥.2003.中国人口密度数字模拟.地理学报,58(1):17-24.]

LiuXH,KeithC,MartinH.2006.Populationdensityandim-agetexture:Acomparisonstudy.PhotogrammetricEngi-neering&RemoteSensing,72(2):187-196.

LiuXH,KyriakidisPC,GoodchildMF.2008.Popula-tion-densityestimationusingregressionandarea-to-pointresidualkriging.InternationalJournalofGeographicalIn-formationScience,22(4):431-447.

LiuYH,XuY,LiuY.2012.Populationgrowthandtempo-ral-spatialdifferentiationinLoessPlateauRegioninthelast2000years.ProgressinGeography,31(2):156-166.[刘艳华,徐勇,刘毅.2012.2000年来黄土高原地区的人口增长及时空分异.地理科学进展,31(2):156-166.]LiuYS,YangXH.2005.Spatialdistributionofstatistical

populationbasedonboundary-substitution.Geo-informa-tionScience,7(4):54-58.[刘业森,杨小唤.2005.基于边界替代的人口数据空间化方法研究.地球信息科学,7(4):54-58.]

LoCP.1995.Automatedpopulationanddwellingunitestima-tionfromhigh-resolutionsatelliteimages:AGISap-proach.InternationalJournalofRemoteSensing,16(1):17-34.

LoCP.2001.ModelingthepopulationofChinausingDMSP

operationallinescansystemnighttimedata.Photogram-metricEngineering&RemoteSensing,67(9):1037-1047.LvAM,LiCM.2002.Spatialdistributionpfstatisticalpopu-lationdata.GeomaticsandInformationScienceofWu-hanUniversity,27(3):301-305.[吕安民,李成名.2002.人口统计数据的空间分布化研究.武汉大学学报:信息科学版,27(3):301-305.]11期柏中强等：人口数据空间化研究综述1701

MartinD.19.Mappingpopulationdatafromzonecentroid

locations.TransactionsoftheInstituteofBritishGeogra-phers,14(1):90-97.

MartinD.1996.Anassessmentofsurfaceandzonalmodelsof

population.InternationalJournalofGeographicalInfor-mationSystems,10(8):973-9.

MennisJ.2003.Generatingsurfacemodelsofpopulationus-ingdasymetricmapping.TheProfessionalGeographer,55(1):31-42.

MondalP,TatemAJ.2012.Uncertaintiesinmeasuringpopula-tionspotentiallyimpactedbysealevelriseandcoastalflooding.PLoSONE,7(10):E48191.

OpenshawS.1983.Themodifiablearealunitproblem//Open-shawS.Conceptsandtechniquesinmoderngeography.Norwich,UK:Geobooks:38.

ProsperieL,EytonR.2002.Therelationshipbetweenbright-nessvaluesfromanighttimesatelliteimageandTexasCountypopulation.SouthwesternGeographers,92(2):224-240.

SilvaFB,GallegoJ,LavalleC.2013.Ahigh-resolutionpopu-lationgridmapforEurope.JournalofMaps,9(1):1-13.SilvanJ,WangL,RogersonP,etal.2010.Assessingfinespa-tialresolutionremotesensingforsmallareapopulationestimation.InternationalJournalofRemoteSensing,31(21):5605-5634.

SuttonP.1997.Modelingpopulationdensitywithnight-time

satelliteimageryandGIS.Computer,EnvironmentandUrbanSystem,21(3):227-244.

TatemAJ,LinardC.2011.Populationmappingofpoorcoun-tries.Nature,474:36.

TatemAJ,SmithDL.2010.Internationalpopulationmove-mentsandregionalPlasmodiumfalciparummalariaelimi-nationstrategies.ProceedingsoftheNationalAcademyofSciences,107(27):12222-12227.

TianYZ,ChenSP,YueTX,etal.2004.SimulationofChi-nesepopulationdensitybasedonlanduse.ActaGeo-graphicSinica,59(2):283-292.[田永中,陈述彭,岳天祥,等.2004.基于土地利用的中国人口密度模拟.地理学报,59(2):283-292.]

WangCJ,TangXH,WuDW.2005.Quantitativeanalysisof

therelationshipbetweenresidentialareadensityandenvi-ronmentalfactorsinFujian.JournalofHainanNormalUniversity:NaturalScience,18(1):-92.[王春菊,汤小华,吴德文.2005.福建省居民点分布于环境关系的定量研究.海南师范学院学报:自然科学版,18(1):-92.]WangJ,YangXH,ShiRX.2012.Spatialdistributionofthe

populationinShandongProvinceatmulti-scales.Prog-ressinGeography,31(2):176-182.[王静,杨小唤,石瑞香.2012.山东省人口空间分布格局的多尺度分析.地理科学进展,31(2):176-182.]WangR.2011.Studyonpopulationdistributionandgrid-basedmodelingmethodofKarstArea:AcasestudyinGuangxi[D].Beijing,China:GraduateUniversityofChi-neseAcademyofSciences.[汪蓉.2011.喀斯特地区人口分布模式与格网化建模方法研究:以广西为例[D].北京:中国科学院研究生院.]

WangXM,LiX,MaMG.2004.Advanceandcaseanalysis

inpopulationspatialdistributionbasedonRemoteSens-ingandGIS.RemoteSensingTechnologyandApplica-tion,19(5):320-327.[王雪梅,李新,马明国.2004.基于遥感和GIS的人口数据空间化研究进展及案例分析.遥感技术与应用,19(5):320-327.]

WangXM,LiX,MaMG.2007.Pixelizingthepopulationon

statisticsofinlandriverbasininaridregions.JournalofaridLandResourcesandEnvironment,21(6):39-47.[王雪梅,李新,马明国.2007.干旱区内陆河流域人口统计数据的空间化:以黑河流域为例.干旱区资源与环境,21(6):39-47.]

WebsterCJ.1996.Populationanddwellingunitestimation

fromspace.ThirdWorldPlanningReview,18(2):155-176.

WuSS,QiuXM,WangL.2005.Populationestimationmeth-odsinGISandremotesensing:Areview.GISScience&RemoteSensing,42(1):80-96.

YanQW,BianZF,ZhangP,etal.2011.Censusspatialization

basedonsettlementsdensity.GeographyandGeo-infor-mationScience,27(5):95-98.[闫庆武,卞正富,张萍,等.2011.基于居民点密度的人口密度空间化.地理与地理信息科学,27(5):95-98.]

YangXH,JiangD,WangNB,etal.2002.Methodofpixeliz-ingpopulationdata.ActaGeographicSinica,57(Suppl.):70-75.[杨小唤,江东,王乃斌,等.2002.人口数据空间化的处理方法.地理学报,57(增刊):70-75.]

YeJ,YangXH,JiangD.2010.Thegridscaleeffectanalysis

ontownleveledpopulationstatisticaldataspatialization.JournalofGeo-informationScience,12(1):40-47.[叶靖,杨小唤,江东.2010.乡镇级人口统计数据空间化的格网尺度效应分析:以义乌市为例.地球信息科学学报,12(1):40-47.]

YuanY,SmithRM,LimpWF.1997.Remodelingcensuspop-ulationwithspatialinformationfromlandSatTMimag-ery.Computers,EnvironmentandUrbanSystems,21(3-4):245-258.

YueTX,WangYA.2005.Surfacemodelingofthehuman

populationdistributioninChina.EcologicalModeling,181(4):461-478.

ZhangL.2012.Dynamicssimulationofhightemporalresolu-tionurbanpopulation:AcasestudyinBeibeiDistrict,Chongqing[D].Chongqing,China:SouthwestUniversity.[张露.2012.高时间分辨率的城市人口动态分布模拟:

1702

以重庆市北碚城区为例[D].重庆:西南大学.]

地理科学进展32卷

lightimage.ActaGeographicaSinica.60(2):266-276.[卓莉,陈晋,史培军,等.2005.基于夜间灯光数据的中国人口密度模拟.地理学报,60(2):266-276.]

ZhuoL,ChenJ,ShiPJ,etal.2005.Modelingpopulationden-sityofChinain1998basedonDMSP/OLSnighttime

Researchprogressinspatializationofpopulationdata

BAIZhongqiang1,2,WANGJuanle1,YANGFei1

(1.StateKeyLaboratoryofResourcesandEnvironmentalInformationSystem,InstituteofGeographicSciencesandNaturalResourcesResearch,CAS,Beijing100101,China;2.UniversityofChineseAcademyofSciences,Beijing100049,China)

Abstract:Readilyavailableandaccuratedataonspatialpopulationdistributionisessentialforunderstanding,andrespondingto,manysocial,political,economicalandenvironmentalissues,suchashumanitarianrelief,di-sasterresponseplanning,environmentimpactassessment,anddevelopmentassistance.Researchonspatializa-tionofdemographicdataplaysanimportantroleingridtransformationofsocial-economicaldata.Furthermore,asgriddedpopulationdatacanbeeffectivelyinteroperatewithgeospatialdataandremotesensingimages,itisausefulsupplementtocensusdata.Thispaperreviewedspatializationmethodologies,predictivemodelingfactorsandtypicaldatasetsintheliteratureofpopulationdataspatializationresearch.Shortcomingsofdemographicda-taandadvantagesofspatialpopulationdistributiondataarecomparedandsummarizedfirstly.Thespatializationmethodologiesaregroupedintothreecategories,i.e.,populationdistributionmodelsfromurbangeography,are-alinterpolationmethodsandspatializationmethodsbasedonremotesensingandGIS.PopulationmodelsfromurbangeographyincludetheClark'smodelandallometricgrowthmodel.Thearealinterpolationmethodshadbeendistinguishedbypointbasedmethodandareabasedmethod.Spatializationmethodsbasedonremotesens-ingandGISaremostwidelyusedinnowadays,whichcanbefurthergroupedintothreecategoriesfortworea-sons:oneistherelationshipbetweenpopulationandlanduse,urbanarea,trafficnetwork,settlementdensity,im-agepixelcharacteristics,orotherphysicalorsocioeconomiccharacteristics,andtheotheristhecalculationstrat-egy.Variousmethodsmentionedabovehavetheirownapplicationenvironmentandlimitations.Wereviewedtheprinciplesandapplicabilityofeverymethodindetail.Afterthat,wegeneralizedthefrequentlyusedfactorsinthespatializationprocess,involvinglanduse/landcover,trafficnetwork,topography,settlementsdensity,nightlight,texturevariable,andspectralreflectance.Inthemeantime,sometypicalresearchcasesaboutthefac-torsalsowereexemplifiedandanalyzed.Inaddition,weintroducedafewwidelyusedspatialpopulationdistri-butiondatasetsorinfluentialpopulationspatializationprojects.TheyconsistedofChinakmgridpopulationdata-sets,UNEP/GRID,GPW/GRUMP,LandScan,AfriPop&AsiaPop&AmriPop.Theproducers,resolution,char-acterizationyearandgenerationmethodofeachonewerepresentedexhaustively.Basedontheabovereview,wediscussedthecurrentresearchproblemsandoutlinedresearchprioritiesinthefuture.Theproblemsincludethetemporalinconsistencyofinputdata,coarseresolutionofdemographicdata,lackofin-depthstudyonscaleeffect,thescarcityoftimeseriesproductsandfewvalidationworks.Todealwiththeseissues,morestudiesshouldbeconductedtothefollowingaspects:comprehensionofpopulationdistributionmechanism,calculationofconsistencyandvalidationofexistingdatasets,applicationofmulti-sourcesremotesensingdataandvolun-teeredgeographicinformation,continuousspace-timesimulationofpopulationdistributioninthetypicalareas,sub-block-levelpopulationestimation,self-adaptivespatializationmethodwhichintegratesmultipleelementsandmultiplemodels.Insummary,theresearchonspatializationofdemographicdatahasmadebreakthroughsinthepasttwodecades.Meanwhile,thereareafewproblemsthatneedtobesolvedimmediately.Sincethesetwoaspectshadbeenreviewedascomprehensivelyaspossible,wehopeissuesdiscussedinthispapercouldenlight-enandpromotethefuturestudyinthisfield.

Keywords:populationdata;spatializationmethodology;modelingfactors;datasets