基于多源地理信息和随机森林模型的高精度人口空间化 ——以长沙市为例
发布时间：2021-10-02 01:33
人口空间化研究是地理空间科学研究的重要内容,是现代城市向智能城市转型的必由之路。人口普查数据一般以行政单位进行公开,如区县、街道等,这种形式的人口数据无法直观反映区域内部人类分布,难以体现区域内人口分布的细节和地理空间异质性。人口空间化以国家公开的人口普查数据为基础,结合海量、多样的对人口分布有着重要影响的地理空间数据为支撑,通过一定的技术方法对人口在区域内实际分布状况进行估算,从而刻画现实世界中人口的分布,将人口普查数据以更加精确的空间尺度重新表达。通过对人口统计数据的空间化,可以准确把握区域内人口分布形态,实现城市的精细化管理。本文以长沙市为研究区域,结合POI（Point of Interest,兴趣点）、DEM（Digital Elevation Model,数字高程模型）、夜间灯光和土地利用等多源地理空间数据为人口空间化支撑数据,通过建立随机森林模型实现了长沙市人口普查数据的空间化,同时在文中详细解释了人口估算模型的原理,验证了模型精度,并基于模型的特征重要性讨论了各个人口影响因子之间的非线性关系。绘制了100m×100m的长沙市人口空间分布图,模拟了长沙市人口在现实世界中的...
【文章来源】：湖南师范大学湖南省 211工程院校
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
技术路线图
基于多源地理信息和随机森林模型的高精度人口空间化17图2-1研究区域2.2数据及预处理人口的空间分布受自然、社会、经济等多种因素的制约和影响，因此人口空间化支撑数据的选取要从多方面入手。随着生产力的进步和科技的发展，自然条件对人口分布的影响明显减弱，但作为形成人口初期聚集至关重要的条件，自然条件对人口分布的作用不可忽视。经济发达、资源丰富、地势平坦的地区往往人口密度较高，人口迁移也趋向于符合这些条件的区域。同时这些区域对人口流动有足够的吸引力，不断吸纳新的人才和劳动力，反哺经济发展，因此人口和经济往往呈现共同上升趋势。综上所述，本文基于多源地理空间数据支撑进行长沙市的人口空间化，所用数据均为免费开源数据，通过对获取到的源数据进行处理得到多种衍生数据，这些数据及衍生数据成为构建人口估算模型的基础，从而支撑长沙市人口普查数据的空间化。这些数据主要有代表经济活动的POI数据、代表夜间经济活动和基础建设的夜间灯光数据、代表社会属性（区域内部人口实际生活方式）的土地利用数据和代表自然限制的DEM数据。本文所用数据如表2-2所示，表中列举了这些数据的来源、格式及衍生数据类型：
一使用的阿尔伯特坐标系。 最后将 POI 数据批量转换为 ShapeFile 格式。在 POI 转换 CSV 过程中，能够明显体现出了各个区县 POI 数量的差异。芙蓉区在 9 个县区中面积最小，约为 42.8km2，转换耗时反而较高，约 2254.17s。说明芙蓉区 POI 数据密度最大，也反映出其作为长沙市的历史核心区域基础建设较为完善、经济活动强的特点。浏阳市面积最大，约为 5007.75 km2，转换耗时 1849.76s，耗时相对较少，说明浏阳市 POI 数据密度较小，反映出其囿于多高山地形，人口分布较少，经济活动相对较弱的特点。网络爬虫、数据清洗、坐标转换、批量格式转换的 Python 代码见附录 2，POI 数据的具体获取及处理流程如图 2-2 所示：
【参考文献】：
期刊论文
[1]基于夜间灯光数据的人口空间分布研究综述[J]. 肖东升,杨松. 国土资源遥感. 2019(03)
[2]引入兴趣点的地理加权人口空间分布模型研究——以天津市为例[J]. 李泽宇,董春. 遥感信息. 2019(02)
[3]基于随机森林模型的西藏人口分布格局及影响因素[J]. 王超,阚瑷珂,曾业隆,李国庆,王民,次仁. 地理学报. 2019(04)
[4]基于精细化人口格网的城市机构养老设施供需分析——以上海市浦东新区为例[J]. 张德英,周云云,冷燮,李龙,周嘉源,施润和. 华东师范大学学报(自然科学版). 2019(02)
[5]夜间灯光遥感数据应用综述和展望[J]. 陈颖彪,郑子豪,吴志峰,千庆兰. 地理科学进展. 2019(02)
[6]基于POI的城市中心空间演变分析——以昆明市主城区为例[J]. 杨子江,何雄,隋心,张军. 城市发展研究. 2019(02)
[7]基于人口空间化的外来人口聚居区识别方法——以北京市海淀区为例[J]. 赵美风,汪德根,杨仪璇. 经济地理. 2018(11)
[8]基于空间句法和LBS大数据的合肥市人口分布空间格局研究[J]. 张晓瑞,华茜,程志刚. 地理科学. 2018(11)
[9]地理加权回归在人口空间分布研究中的应用[J]. 赵真,徐柱,侯剑. 遥感信息. 2018(04)
[10]基于POI数据的人口分布格网化方法研究[J]. 淳锦,张新长,黄健锋,张鹏程. 地理与地理信息科学. 2018(04)
硕士论文
[1]基于多源地理数据的精细人口空间化方法研究[D]. 刘正廉.武汉大学 2019
[2]基于多源地理信息的人口数据空间化研究[D]. 成方龙.广州大学 2019
本文编号：3417741
【文章来源】：湖南师范大学湖南省 211工程院校
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
技术路线图
基于多源地理信息和随机森林模型的高精度人口空间化17图2-1研究区域2.2数据及预处理人口的空间分布受自然、社会、经济等多种因素的制约和影响，因此人口空间化支撑数据的选取要从多方面入手。随着生产力的进步和科技的发展，自然条件对人口分布的影响明显减弱，但作为形成人口初期聚集至关重要的条件，自然条件对人口分布的作用不可忽视。经济发达、资源丰富、地势平坦的地区往往人口密度较高，人口迁移也趋向于符合这些条件的区域。同时这些区域对人口流动有足够的吸引力，不断吸纳新的人才和劳动力，反哺经济发展，因此人口和经济往往呈现共同上升趋势。综上所述，本文基于多源地理空间数据支撑进行长沙市的人口空间化，所用数据均为免费开源数据，通过对获取到的源数据进行处理得到多种衍生数据，这些数据及衍生数据成为构建人口估算模型的基础，从而支撑长沙市人口普查数据的空间化。这些数据主要有代表经济活动的POI数据、代表夜间经济活动和基础建设的夜间灯光数据、代表社会属性（区域内部人口实际生活方式）的土地利用数据和代表自然限制的DEM数据。本文所用数据如表2-2所示，表中列举了这些数据的来源、格式及衍生数据类型：
一使用的阿尔伯特坐标系。 最后将 POI 数据批量转换为 ShapeFile 格式。在 POI 转换 CSV 过程中，能够明显体现出了各个区县 POI 数量的差异。芙蓉区在 9 个县区中面积最小，约为 42.8km2，转换耗时反而较高，约 2254.17s。说明芙蓉区 POI 数据密度最大，也反映出其作为长沙市的历史核心区域基础建设较为完善、经济活动强的特点。浏阳市面积最大，约为 5007.75 km2，转换耗时 1849.76s，耗时相对较少，说明浏阳市 POI 数据密度较小，反映出其囿于多高山地形，人口分布较少，经济活动相对较弱的特点。网络爬虫、数据清洗、坐标转换、批量格式转换的 Python 代码见附录 2，POI 数据的具体获取及处理流程如图 2-2 所示：
【参考文献】：
期刊论文
[1]基于夜间灯光数据的人口空间分布研究综述[J]. 肖东升,杨松. 国土资源遥感. 2019(03)
[2]引入兴趣点的地理加权人口空间分布模型研究——以天津市为例[J]. 李泽宇,董春. 遥感信息. 2019(02)
[3]基于随机森林模型的西藏人口分布格局及影响因素[J]. 王超,阚瑷珂,曾业隆,李国庆,王民,次仁. 地理学报. 2019(04)
[4]基于精细化人口格网的城市机构养老设施供需分析——以上海市浦东新区为例[J]. 张德英,周云云,冷燮,李龙,周嘉源,施润和. 华东师范大学学报(自然科学版). 2019(02)
[5]夜间灯光遥感数据应用综述和展望[J]. 陈颖彪,郑子豪,吴志峰,千庆兰. 地理科学进展. 2019(02)
[6]基于POI的城市中心空间演变分析——以昆明市主城区为例[J]. 杨子江,何雄,隋心,张军. 城市发展研究. 2019(02)
[7]基于人口空间化的外来人口聚居区识别方法——以北京市海淀区为例[J]. 赵美风,汪德根,杨仪璇. 经济地理. 2018(11)
[8]基于空间句法和LBS大数据的合肥市人口分布空间格局研究[J]. 张晓瑞,华茜,程志刚. 地理科学. 2018(11)
[9]地理加权回归在人口空间分布研究中的应用[J]. 赵真,徐柱,侯剑. 遥感信息. 2018(04)
[10]基于POI数据的人口分布格网化方法研究[J]. 淳锦,张新长,黄健锋,张鹏程. 地理与地理信息科学. 2018(04)
硕士论文
[1]基于多源地理数据的精细人口空间化方法研究[D]. 刘正廉.武汉大学 2019
[2]基于多源地理信息的人口数据空间化研究[D]. 成方龙.广州大学 2019
本文编号：3417741
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3417741.html
