基于人口数据网格化的福建省人口分布特征研究
陈文成，黄耀裔，康雅丽
(泉州师范学院 资源与环境科学学院，福建 泉州 362000)
摘要： 采用DMSP/OLS夜间灯光数据结合土地利用类型数据、DEM数据等派生的多指标数据，运用多元回归模型对福建省第六次人口普查数据分别按人口密度4 km2和1 km2网格化，并进行县域人口密度零误差调整，利用极差、变异系数等差异化指标对福建省县域内部人口空间分布进行分析.结果显示：人口密度网格化比平均密度更能反映实际情况，从极差和变异系数来看，1 km×1 km比2 km×2 km网格大小更符合实际，说明网格尺度大小对人口密度的空间分布具有影响效应.
关键词： 人口；网格化；多元回归模型；极差；变异系数
人口分布是人口在地理空间上的表现形态及其发展变迁过程[1].人口空间信息直接影响其经济社会发展和自然资源等的合理利用，正确合理的认识人口的空间分布具有现实意义.虽然以行政区划为单元的人口普查统计数据有严谨的统计学理论和方法作为支撑，具有权威性、系统性和规范性等优点，但以行政区划统计人口普查数据作为基础数据进行人口空间分布研究难以反映其单元内部的人口分布、分异状况.随着GIS、RS、计算机等技术手段的发展，按照数学规则将地球表面划分不同尺度的地理网格的出现能更好地反映人口的空间分布，在不同划分尺度下，行政区划内部人口差异可被更详细展现.目前运用最为普遍的人口网格化方法多建立在遥感、土地利用数据等为参数的人口密度模型基础上[2].国内外许多学者开展相关研究，如江东等[3]基于全国人口，以具有代表性的县域作为样本与土地利用类型作为参数建模，完成全国网格人口模型.杨续超等[4]基于DMSP/OLS、NDVI、DEM等多源遥感数据与浙江省县域统计人口建立人口空间化模型.曹彦波等[5]基于地貌形态、坡度、地形起伏度、土地利用与人口分布构建人口影响因子权重系数，进行人口网格化空间模拟及精度检验.综上，相关文献说明了人口空间分布与土地利用、DMSP/OLS、DEM、NDVI等相关自然要素存在相关关系.因此本文在前人研究基础上，以福建省县域尺度人口作为基础数据，以DMSP/OLS夜间灯光、土地利用、DEM数据构建指标因子，再通过多元回归模型建立福建省2 km×2 km、1 km×1 km人口密度模型并网格化，对人口密度网格化结果，从极差、变异系数等差异指标分析福建省人口空间分布特征，同时网格化结果数据可以与其他要素的空间网格化图进一步叠加分析，为相关部门对不同区域单元进行有针对性人口发展调控和决策参考.
图 1福建省县域分布图
Fig.1 County distribution map of Fujian Province
1 研究区概况及数据来源
1.1 研究区概况
福建省(北纬23°33′N～28°20′N；东经115°50′E～120°40′E)，位于中国东南沿海，包含福州市、厦门市、泉州市等9个地级市的84个县级行政区，总面积约为12.4万km2，县域研究区范围如图1所示.根据《福建省统计年鉴-2010》，其年末常住人口为3 689.42万人.
3.2 人文关怀提高护生沟通能力 由于护生沟通技巧尚不熟练，缺乏有效的应变能力，易受到挫折。经过讲座等培训，学到了人文关怀及护患沟通相关知识，能够减轻护生的自卑感与失落感。在实施护理工作时受到患者及家属的拒绝与阻挠时，运用知识克服困难，其自身价值得到了体现，更快更好地适应临床工作。
1.2 数据来源与预处理
1.2.1 土地利用分类数据 由于土地利用类型的不同对人口空间分布有影响，数据来源于中国国家高技术研究发展计划中心的GlobelLand30[6]栅格数据集，像元大小为500 m×500 m，分为由林地、灌木林地、旱地、水田、草地、城镇用地、裸土地、湿地、水体等土地类型.根据福建省土地类型特征，裁剪福建省区划范围并重分类为林地、草地、耕地、建筑用地和其他土地五大类型.将其投影为横轴墨卡托(Universal Transverse Mercator，UTM).然后计算每一类土地类型下所占不同像元大小的灯光参数占比.
1.2.2 夜间灯光数据(DMSP/OLS) 夜间灯光数据采用美国NOAA发布的2010年辐射标定夜间灯光强度数据(F182010.v4b_web.stable_lights.avg_vis.tif)，预处理采用福建省省内灯光强度最大的地级市厦门市2009年的灯光数据(F172009.v4b_web.stable_lights.avg_vis.tif)作为样本数据校正福建省2010年灯光数据，为保持空间位置同一，也将其投影为UTM，椭球体为WGS84，并将DMSP/OLS数据二值化后分为有灯光区域、无灯光区域、DMSP/OLS灯光强度数据3类灯光参数数据.
人口县域变异系数可衡量各个县域内部网格人口差异程度的大小.变异系数越小，反映出各个县域内部网格人口空间分布变异程度越小，反之，各个县域内部网格人口空间分布变异程度越大.变异系数公式为：
福建省县域人口密度极差图(2 km×2 km)的极差值范围为1 466.443～29 688.705；而福建省县域人口密度极差图(1 km×1 km)的极差值范围为1 067.474～86 195.201.在4倍网格尺度下，福建省县域人口密度极差(2 km×2 km)比福建省县域人口密度极差图(1 km×1 km)整体大7 902.485.从图5、图6的极差图(Jenks自然断点分级法)可以看出：县域人口密度极差图(2 km×2 km)空间分布没有规律性，空间分布呈现沿海及城区人口差异度小，中部森林覆盖度大的县域人口差异大，更符合实际情况.表明网格尺度大小会对县域内部人口密度差异造成影响，网格尺度越小，县域内部人口密度极差也变小.说明网格尺度越小，人口空间分布越精确，也越接近实际现状，但受数据量、数据尺度(像元)大小、处理效率、行政区划范围等的影响，在人口密度网格化可根据实际需要选择合理的网格尺度，建议在县域尺度网格大小可以为1 km×1 km或更小.
1.3 人口网格化技术路线
以福建省县级行政区为统计单元，基于单元内人口密度与夜间灯光数据、土地利用类型数据、DEM数据等构建的指标因子，参照黄耀裔等[9]的研究，将人口网格大小划分确定为2 km×2 km、1 km×1 km，在一定程度上可以避免一个大的网格中有且仅有一种土地利用类型，尽可能减少对人口密度网格化的影响，由于人口的空间分布受多种因素的综合影响，且不同因素的影响程度不一，多元回归方法则可以从众多因素筛选影响程度高的因子并加以模型构建.本文DMSP/OLS、土地利用、DEM数据多源数据基础上派生出32个影响指标因子，参照张旭光[10]的多元回归分析方法进行多元逐步回归分析，回归模型常量为0(即假设没有数据的区域人口密度空间分布为0).当自变量相关系数在0.05的置信水平下显著时保留该自变量，由此获得模型的自变量及系数，计算得出2 km×2 km、1 km×1 km网格大小的人口网格化模型，技术路线图如图2所示.
在通过了变量的显著性检验确定模型后将网格化后的各个县域中的网格城镇用地占比和耕地占比代入到模型中得出每个网格的初步人口密度预测值，再通过“县域人口零误差”准则[11]调整(公式1)进行人口零误差调整，再将调整后的网格人口转化为网格人口密度.
p Last =p i ×(p /p sum )
(1)
极差可以反映各个县网格人口密度波动范围，衡量各个县域网格人口差异程度大小.极差公式为：
其中X i 为某个县域单元的网格人口密度极差，X imax 为某个县域单元的网格人口密度最大值，X imin 为某个县域单元的网格人口密度最小值.
图 2人口网格化技术路线图
Fig.2 Population grid technology roadmap
2 基于网格人口的空间分布结果分析
依图3所示的福建省平均人口密度图(PoP/Area，单位：人/m2)，基于ArcGIS软件的Jenks自然断点分级法将其划分为5级，从图3可知，福建省县域平均人口密度图，人口密度大的主要集中在东南沿海的厦漳泉三个地区，其中福州市辖区和厦门岛人口密度最大，其次为泉州的晋江市、石狮市、丰泽区、福清市等，总体70%左右的县域内部的人口密度是很低的，无法反映内部人口密度的差异度，难以为后续的县域内部自然、经济等变化调控等提供合理的数据支撑.而网格化人口密度则可以更加详细、真实地反映出人口在各个县域内部的人口分布，有利于进行人口空间分异规律研究，可以很好的反映县域内部的差异程度，如图4所示.
图 3人口平均密度图 图 4人口密度网格化图
Fig.3 Population average density mapFig.4 Population density gridding
其中p Last 为调整后的网格人口，p i 为网格人口预测值，p 为福建省县域的人口普查统计人口数据，p sum 为县域内部网格人口总数.
X i =X imax -X imin
(2)
齐鲁医院领导层将住培工作纳入医院整体布局和长远规划，随着住培工作不断深入推进，结合前期实践，确立了以“实施全面质量管理、筑牢住培质控网底”为目标导向，以打造“五星级医师”和精品人才工程为目标定位的顶层设计战略实施方案。
1.2.3 DEM数据 福建省地形地貌环境导致区域人口在空间和数量上分布不均衡，人口密度差异较大，人口空间化过程也较为复杂.DEM数据采用全球数字高程模型数据(Global Digital Elevation Model，ASTER GDEM)[7]，将其裁剪后投影为UTM，椭球体为WGS84，并重分类为DEM<200 m，200 m≤DEM<500 m，500 m≤DEM<800 m，800 m≤DEM≤1 100 m，DEM>1 100 m合计5类.然后计算每一类高程下所占该像元的灯光参数占比.
(3)
通过极差、变异系数等可以反映差异程度，同时为了研究格网尺度效应是否对差异产生影响，进行2 km×2 km、1 km×1 km网格大小的人口密度网格化.因此以县域为统计基准，分别计算各网格尺度县域网格人口密度的极差、变异系数来衡量各县域的网格人口差异程度，研究网格人口的空间分布特征.
其中CVi 为某个县域的网格人口密度变异系数，σ i 为某个县网格人口密度标准差，μ i 为某个县域的网格人口密度平均值.
1.2.4 人口数据 以最新、最权威的第六次全国人口普查数据作为数据来源[8]，获取福建省84个县域行政单元的常住人口数据，并将该数据作为属性值赋值在福建省县域行政区划的面数据中，通过各县域行政单元常住人口数据和县域行政面积可得到县域平均人口密度(Pop/Aera).
老砍头的家也挨着钱葱河，光房子就有一百多间。秀容川找到他的时候，老砍头正在厨房烧锅。厨房只有他一个人，他坐在板凳上，正把草一把把塞入锅腔，火烧得很旺，再烧一会，锅里的水就开了。
图 5县域人口密度极差图( 2 km×2 km) 图 6县域人口密度极差图( 1 km×1 km)
Fig.5 Population density range map of counties(2 km×2 km) Fig.6 Population density range map of counties(1 km×1 km)
从图7、图8知，福建省县域人口密度变异系数(2 km×2 km)值为0.23～4.59，而福建省县域人口密度变异系数(1 km×1k m)值为0.028～4.49，在4倍网格尺度，福建省县域人口密度变异系数(2 km×2 km)比福建省县域人口密度变异系数(1 km×1 km)整体大0.614.但从人口密度变异系数图(Jenks自然断点分级法)，县域人口密度变异系数(1 km×1 km)值小的县域数比县域人口密度变异系数(2km×2km)多，说明人口密度变异系数的网格尺度越小，数据离散程度越小.福建省东部沿海地区网格人口密度大，绝大部分县的中心区域网格人口密度比较大，随着离中心区的距离越来越远人口密度越来越小，从图福建省县域人口密度变异系数(1 km×1 km)变异系数从小到大呈东部沿海往西部内陆逐渐增大，也更符合实际情况.
我父亲在省医院看过，不过大医院人多，几百人排队挂号、取药。他可能意识到自己的病没救了，整个人无精打采的，打完针就去睡觉，不愿和人说话。对于我来说，父母亲这么大年纪，去大医院我们不放心，但在莫多寺曼巴照顾得十分周到，我心里特别感谢。在莫多寺看病，活佛让他一边服药，一边鼓励他参加寺院的开示和法会。可能是受活佛的教化，他完全放开了，感觉他有精神了，人也开朗了，有时还和我母亲开开玩笑。[注]访谈人：欧阳丽婷；访谈对象：云丹；访谈时间：2015年9月15日；访谈地点：青海省兴海县莫多寺。
进一步按地级市尺度统计，从图9所示显示出福建省大部分县级行政单元内部存在人口分布差异，且差异显著，在1 km×1 km网格尺度的地级市极差明显比2 km×2 km网格尺度小.从图10知，福建省内经济发达、地市较平坦的地区的人口密度变异系数越小，而经济欠发达、地形差异度大的县市变异系数则比较大，按福建省地级市排序，变异系数从小到大依次为厦门市<泉州市<福州市<漳州市<莆田市<宁德市<龙岩市<三明市<南平市.
Penfolds奔富目前在中国市场上，听说过的和看到过的，包括葛兰许和Bin 707在内的奢华和旗舰系列，今年7月在澳洲首发的特瓶系列，还有这些年总是见诸报端的Ampoule等限量版，以及更加亲民的寇兰山、麦克斯和Bin系列等在内，起码有11个系列至少59款以上的产品（详见下图）。这其中，还不包括2014年3月富邑集团对外发布的，自2013年份起，市场上最热销的洛神山庄（Rawson's Retreat）系列从此摘除Penfolds品牌logo，成为旗下的一个独立品牌，其基础系列、珍藏及气泡系列，和黑金17款酒形成3个系列矩阵，开始走大单品策略。
3 结语
网格化人口密度可以更加详细、真实地反映出人口在各个县域内部的信息，有利于进行人口空间分异规律研究.研究结果表明：福建省大部分县级行政单元内部存在人口分布差异，且差异显著，福建省东部沿海地区网格人口密度大，人口密度变异系数小，绝大部分县的中心区域网格人口密度比较大，随着离中心区的距离越来越远人口密度越来越小.该方法还有一个重要优点在于所使用遥感夜灯数据和土地利用数据都在不断更新，且都是免费公开获取的，因此有利于实现区域人口密度的动态更新.
图 7县域人口密度变异系数图( 2 km×2 km) 图 8县域人口密度变异系数图( 1 km×1 km) 
图 9地级市极差 图 10地级市变异系数
Fig.9 Extremely poor cities at prefecture levelFig.10 Coefficient of variation of prefecture-level cities
参考文献:
[1] 闫庆武,卞正富.人口空间分布的异质性测量[J].地理研究，2009,28(4):893-900.
[2] 潘顺.长三角人口数据格网化及其人口空间分布特征分析[D].上海：上海师范大学,2016.
[3] 江东,杨小唤,王乃斌,等.基于RS、GIS的人口空间分布研究[J].地理科学进展,2002,17(5):734-738.
[4] 杨续超,高大伟,丁明军,等.基于多源遥感数据及DEM的人口统计数据空间化：以浙江省为例[J].长江流域资源与环境，2013，22(6):729-734.
[5] 曹彦波,李永强,李敏,等.基于多源数据的云南人口空间分布模拟研究[J].中国地震,2014,30(1):118-131.
[6] 刘珠妹,李盛乐.Globalland 30产品在地震观测环境监测中的应用[J].国际地震动态,2017(8):111-112.
[7] Aster gdem readme File-aster gdem version1[EB/OL].2009.http://www.ersdac.or.jp/GDEM/E/image /ASTER%20GDEM %-20Readme_Ev1.0.pdf.
[8] 福建省统计局.福建省统计年鉴(2011)[EB/OL].福建省统计局网站http://tjj.fujian.gov.cn/tongjinianjian/d22011/index-cn.htm.
[9] 黄耀裔,陈文成,张正瑞.基于多源数据的福建省GDP空间网格化[J].湖北民族学院学报(自然科学版),2018,36(1):103-109.
[10] 张旭光,张南,吉孟振,等.基于多元回归模型的内蒙古地区平均工资影响因素分析[J].内蒙古农业大学学报(自然科学版),2012,33(2):230-232.
[11] 韩向娣,周艺,王世新,等.基于夜间灯光和土地利用数据的GDP空间化[J].遥感技术与应用,2012,27(3):396-405.
Study on Population Distribution Characteristics of Fujian Province Based on Population Data Grid
CHEN Wencheng，HUANG Yaoyi，KANG Yali
(School of Resources and Environmental Science,Quanzhou Normal University,Quanzhou 362000,China)
Abstract ： Using the DMSP/OLS night light data,land use type data combined with DEM data，which derivate these types data into multi-indicator data,the sixth population census of Fujian Province was gridded with multiple regression model,and the population density of Fujian Province was adjusted by zero error.The spatial distribution of population in counties of Fujian Province was analyzed by using the difference indices such as range and coefficient of variation.The results show that the gridding of population density can better reflect the actual situation than the average density.From the perspective of range and variation coefficient,the gridding size of 1 km×1 km is more realistic than that of 2 km×2 km,which shows that the size of gridding has an effect on the spatial distribution of population density.
Keywords ：population;gridding;multivariate regression model;range;coefficient of variation
收稿日期： 2019-07-17.
基金项目： 福建省自然科学基金项目(2016J01195)；泉州市科技局项目(2018Z027).
第一作者简介： 陈文成(1963- )，男，教授，主要从事地理信息系统应用与计量地理方向的研究.
文章编号： 1008-8423( 2019) 03-0340-05
DOI: 10.13501/ j.cnki.42-1569/ n.2019.09.023
中图分类号： P208; TP70
文献标志码： A
责任编辑：黄孝忠