长三角人口数据格网化及其人口空间分布特征分析

发布时间：2017-06-07 10:52

  本文关键词：长三角人口数据格网化及其人口空间分布特征分析，由笔耕文化传播整理发布。

【摘要】：长三角地区是中国最大的经济区,其人口稠密,经济发达,生态环境脆弱,自然灾害多发,所面临的环境压力、自然灾害与气候变化风险日趋增强,洪水、台风、风暴潮灾害十分严重,是中国的巨灾高风险区。人口作为重要的承灾体,是灾害风险管理与气候变化适应关注的主要对象。而用作研究的人口数据是基于人口普查的统计数据,反映的是行政单元内的总体状况,数据通用性差,与自然地理单元空间不匹配,不利于与多源数据融合使用。现有的全球尺度、国家尺度的格网人口数据,在研究区域人口空间分布特征分析时,空间分辨率和精度不能满足。而以区域尺度建立的格网人口数据更能真实地刻画人口空间分布,能够比较贴切地反映人口实际的空间分布状态,能为社会、政治和经济等各方面的分析提供较准确的人口分布数据。本文以ArcGIS软件为主要工具,基于人口统计数据、行政区划数据、土地利用数据、DEM数据、道路数据、河网数据、学校、医院分布数据,采用多元回归模型,模拟长三角两省一市的人口空间分布,获取200m×200m格网人口数据,并利用此数据研究长三角沿海低地的人口空间分布格局。具体得到的结果如下:(1)建立了长三角200m×200m格网人口数据。计算各类土地利用类型的面积比、平均高程、平均海拔、道路、河网、学校平均影响值等人口分布影响因子,建立行政区级地理因子库。利用ArcGIS创建200m×200m格网矢量数据,选取与人口分布相关系数较高的影响因子,分别是地形、河流、公路、城市用地指数、农村用地指数、耕地指数、林地指数、医疗与教育水平,建立格网地理因子库。以按人口集聚度分级将研究区分为10个区块,分别进行影响因子相关性分析,并采用逐步回归法选取因子建模。经过栅格计算、分区合并,得到200m×200m格网化的人口数据。(2)分析了长三角人口空间分布特征。长三角人口分布不均,形成了人口分布的热点与冷点区域。人口密度高值区,其主要集中在上海市区、浙江北部杭嘉湖平原、杭州湾沿岸地区、浙江东南沿海地区、浙中丘陵盆地地区(金衢盆地)、江苏南京、苏州、无锡、常州等南部城市和北部的徐州市,江苏东北部大部分地区人口较少,浙江南部山区、西北地区人口稀少,形成冷点区域。上海老西门街道为人口密度最高值区101,725人/km2,长三角整体平均人口密度为675人/km2。(3)提取了长三角沿海低地。利用ArcGIS软件提取DEM数据中海拔低于10m的连续区域,获得长三角沿海低地。长三角沿海低地分布在距离海岸180km以内和距离海岸线60 km范围内,占行政区总面积的32.2%。共有1327个街道(乡/镇),面积为70,051km2,占长三角两省一市行政区总面积的33.5%,其中江苏省沿海低地面积最大,为58,731km2,占总省的58.19%,贡献率也最大。37.7%的面积分布在海拔4 m及4 m以下,87.2%的面积分布在海拔3-7 m,有61%的面积在距离海岸线60 km内,在距离海岸线10 km以内的区域面积最大,达到总面积的13.89%,并且随着距海岸线距离的增大,沿海低地的面积依次减少。(4)分析了长三角沿海低地人口空间分布特征长三角低地人口并非均匀分布,人口密度存在巨大空间差异。人口密度大于30,000人/km2的高密度区域,8.94%的人口集中分布在0.16%的土地上;人口密度3,000人/km2以上的区域面积仅占4.58%,人口却占了总人口的49.06%,人口高度集中在小范围区域内。87.84%的面积区域人口低于1,000人/km2,人口占32.25%,人口高度集中在小范围区域内。2010年江苏省、上海市和浙江省沿海低地人口分别占江苏省总人口的56.24%、上海市的97.09%、浙江省的10.62%。长三角二省一市的沿海低地人口总数约占总人口的二分之一,低地人口数量巨大。87.84%的面积区域人口低于1 000人/km2,人口占32.25%。长三角沿海低地中近七成的人口集中在海拔3-7 m的区域,九成人口分布在海拔7 m以下。并且距离海岸线20 km以内集中了29.3%的长三角沿海低地人口,超过60%的人口分布在距离海岸线60 km以内,八成人口分布在距离海岸线90 km以内。长三角沿海低地人口密度高值区位于海拔0-4m,人口密度均在10,000人/km2以上,并且以3m区域为人口密度最大值,达到32,055人/km2,随着海拔的升高,人口密度降低并且趋于平稳。并且在距离海岸线30km内人口密度较大,且在距海岸线10-20km的区域内平均人口密度为最大区域,达到25,776人/km2,在距海岸线160-170km的区域出现人口密度小高峰值12,575人/km2。岛屿部分人口密度也较大,以舟山市为主要的人口聚集区。LandScan 2010和GPW v3 2010与模拟的200格网数据比较结果显示,LandScan统计的人口总量最少,GPW v3 2010次之,而200m格网数据的计算结果最大。GPWv3和LandScan计算得到的两省一市人口总数都比人口普查统计数据低。人口空间分布真实情况难以获取,验证与评估技术缺乏,人口空间化的精度与评估仍是一个挑战性的问题。
【关键词】：格网化 长三角 人口空间分布 沿海低地
【学位授予单位】：上海师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：C924.2;P208
【目录】：

• 摘要3-5
• Abstract5-10
• 第1章 引言10-21
• 1.1 研究背景与意义10-11
• 1.2 人口数据格网化研究进展11-16
• 1.2.1 空间插值法12-13
• 1.2.2 土地利用法13-14
• 1.2.3 人口分布影响因子分析法14-15
• 1.2.4 遥感光谱特征法15
• 1.2.5 DMSP-OLS夜间灯光数据反演法15-16
• 1.3 人口格网化数据库项目16-18
• 1.3.1 GPW和GRUMP数据集16-17
• 1.3.2 LandScan17
• 1.3.3 UNEP/GRID17-18
• 1.3.4 AfriPop、AsiaPop和AmeriPop18
• 1.4 研究进展评述18-19
• 1.5 研究方法与内容19-21
• 第2章 研究区概况与数据21-39
• 2.1 研究区概况21-22
• 2.2 影响因子选取22-23
• 2.3 数据23-26
• 2.4 数据预处理26-30
• 2.4.1 人口数据处理26
• 2.4.2 投影转换26-27
• 2.4.3 建立街道（乡/镇）地理因子库27-30
• 2.5 人口分布影响因素分析30-37
• 2.5.1 人口分布与土地利用相关分析30-31
• 2.5.2 人口分布与医院、学校相关分析31-32
• 2.5.3 人口分布与道路相关分析32-33
• 2.5.4 人口分布与河流相关分析33-34
• 2.5.5 人口分布与地形的相关分析34-37
• 2.6 建立格网地理因子库37-39
• 第3章 人口数据格网化过程39-55
• 3.1 人口分区39-44
• 3.1.1 按人口密度空间相关性分区39-41
• 3.1.2 按人口特征一致性分区41-42
• 3.1.3 按人口聚集度分区42-44
• 3.1.4 人口分区方案选择44
• 3.2 人口数据格网化分区建模44-47
• 3.2.1 分区人口与建模因子相关分析44-47
• 3.2.2 分区建模47
• 3.3 人口数据格网化结果47-48
• 3.4 误差评估与修正48-52
• 3.5 长三角人口空间分布特征52-55
• 第4章 长三角沿海低地空间分布55-62
• 4.1 长三角沿海低地范围确定55-57
• 4.2 街道（乡/镇）级行政区沿海低地的空间分布57-58
• 4.3 长三角沿海低地分布与海拔高度的关系58-59
• 4.4 长三角沿海低地分布与海岸线距离的关系59-62
• 第5章 长三角沿海低地人口空间分布62-69
• 5.1 人口分布格局62-63
• 5.2 人口分布与海拔高度的关系63-65
• 5.2.1 不同海拔高度的人口数量变化63-64
• 5.2.2 不同海拔高度的人口密度变化64-65
• 5.3 人口分布与海岸线距离的关系65-67
• 5.3.1 不同海岸线距离的人口数量变化65-66
• 5.3.2 不同海岸线距离的人口密度变化66-67
• 5.4 格网数据与统计数据结果比较67-69
• 第6章 结论与展望69-72
• 6.1 结论69-71
• 6.2 展望71-72
• 参考文献72-78
• 攻读学位期间取得的研究成果78-79
• 致谢79

  本文关键词：长三角人口数据格网化及其人口空间分布特征分析，由笔耕文化传播整理发布。

，

本文编号：428733