CN117688120B - 基于多源数据精细划分公开人口空间数据集的方法及*** - Google Patents
基于多源数据精细划分公开人口空间数据集的方法及*** Download PDFInfo
- Publication number
- CN117688120B CN117688120B CN202410149754.7A CN202410149754A CN117688120B CN 117688120 B CN117688120 B CN 117688120B CN 202410149754 A CN202410149754 A CN 202410149754A CN 117688120 B CN117688120 B CN 117688120B
- Authority
- CN
- China
- Prior art keywords
- population
- grid
- weight
- class
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 238000005192 partition Methods 0.000 claims description 33
- 238000012937 correction Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000007670 refining Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012352 Spearman correlation analysis Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多源数据精细划分公开人口空间数据集的方法及***,涉及人口空间优化技术领域。主要公开了基于多源数据精细划分公开人口空间数据集的方法,包括:根据多源数据的影响系数对公开人口空间数据集进行修正;根据人口统计数据对修正后的公开人口空间数据集进行修正,得到待优化格网数据;计算地类权重、面积权重和地类人口密度权重;在地类权重、面积权重和地类人口密度权重的约束下,优化待优化格网数据中的各地类人口;对优化后的待优化格网数据进行精细划分,获得更高分辨率的精细化格网空间。本发明解决了人口空间数据集多是预测数据,统计数据误差较大以及空间分辨率低的问题。
Description
技术领域
本发明涉及人口空间优化技术领域,具体涉及一种基于多源数据精细划分公开人口空间数据集的方法及***。
背景技术
人口问题是世界上最重要的社会问题之一,目前对人口精细分布的需求越来越迫切。传统的人口统计数据是以各级行政区划为基本单元来展现地区人口数量,虽然能反映各级行政区单元之间的差异,但却无法反映行政单元内的人口异质性问题,难以表达空间角度上人口的分布特征。随着人口空间化的发展,它有效的解决了人口在空间表达上的问题,然而,目前公开的人口空间数据集多是预测数据(如原始格网),存在与统计数据误差较大以及空间分辨率低的问题。因此,需要设计一种能够解决上述问题的基于多源数据精细划分公开人口空间数据集的方法。
发明内容
本发明所要解决的技术问题是公开的人口空间数据集多是预测数据,统计数据误差较大以及空间分辨率低,目的在于提供一种基于多源数据精细划分公开人口空间数据集的方法及***,能够基于多源数据对公开的人口空间数据集进行修正、优化和精细化,解决了上述技术问题。
本发明通过下述技术方案实现:
基于多源数据精细划分公开人口空间数据集的方法,包括:根据多源数据的影响系数对公开人口空间数据集进行修正;根据人口统计数据对修正后的上述公开人口空间数据集进行修正;计算地类权重、面积权重和地类人口密度权重;在地类权重、面积权重和地类人口密度权重的约束下,优化上述待优化格网数据中的各地类人口;对优化后的上述待优化格网数据进行精细划分,获得更高分辨率的精细化格网空间。
上述根据多源数据的影响系数对公开人口空间数据集进行修正,包括如下多种情况中的任意一种或多种:
根据居民主要分布高程评价当前区域的高程影响系数;根据居民主要分布坡度评价当前区域的坡度影响系数;
将路网格网化,根据格网内铁路长度、公路长度和城市道路长度评价当前格网的交通影响因子;
将城镇数据进行格网化,根据中心城区面积、当前格网到中心城区的最短距离,以及在格网周围的一定范围内的中心城区数目评价当前格网的中心城区影响系数;
根据房屋建筑类型和房屋建筑特点,计算当前区域的房屋居住密度;
将人口统计数据与POI类型进行相关性关系,选择强相关POI类型作为格网人口修正的指示因子;
根据格网水域面积占比计算水域影响系数。
上述根据人口统计数据对修正后的上述公开人口空间数据集进行修正,得到待优化格网数据,包括:根据区县人口统计数据计算修正后的上述公开人口空间数据集的区县人口修正系数,利用区县人口修正系数修正根据多源数据对公开人口空间数据集修正后的人口数,得到上述待优化格网数据。
上述地类权重的计算包括如下步骤:采用首尾分割法将上述待优化格网数据中的格网人口数按照人口密度划分为多区,分别对不同分区中的人口密度进行地类权重计算,包括:利用不同分区中各格网内不同地类的面积,和该格网面积的比值,计算得到各格网内不同地类的地类占比;归一化每个分区的所有格网内不同地类的地类权重,得到每种地类在所有格网的地类权重。
上述面积权重的计算包括如下步骤:根据各格网中不同地类的面积占该地类所在格网面积的比值,计算得到各格网中每种地类的面积权重。
上述地类人口密度权重的计算包括如下步骤:根据每个地类选择地类覆盖率为100%的所有格网计算地类人口密度权重,包括:根据每个地类在所有格网的总人口和总面积计算该地类的人口密度;根据所有地类的人口密度权重计算各地类的人口密度权重。
上述在地类权重、面积权重和地类人口密度权重的约束下,优化上述待优化格网数据中的各地类人口,包括:根据地类权重以及地类人口密度计算地类综合权重,通过如下公式表示:
;
式中,代表/>分区中地类/>的上述地类综合权重;/>代表/>分区中地类/>归一化后的地类权重;/>代表地类/>的人口密度权重;
根据上述地类综合权重和上述面积权重计算最终权重,通过如下公式表示:
;
式中,代表/>分区中格网/>内地类/>的最终权重;/>代表格网/>内地类的面积权重;
根据不同分区中各格网内不同地类的最终权重和该格网利用区县人口修正系数修正后的人口数,计算各格网的重分配人口数,表示为:
;
式中,代表/>分区中格网/>内地类/>的重分配人口数,/>代表格网/>利用区县人口修正系数修正后的人口数。
上述对优化后的上述待优化格网数据进行精细划分,获得更高分辨率的精细化格网空间,包括:利用面积权重法获取25米格网内地类面积权重,并去除地类为水域的格网,采用Dasymetric法将人口细化至25米格网内,实现25米空间分辨率的人口空间分布数据,获得更高分辨率的上述精细化格网空间。
上述利用面积权重法获取25米格网内地类面积权重,并去除地类为水域的格网,采用Dasymetric法将人口细化至25米格网内,实现25米空间分辨率的人口空间分布数据,计算公式表达如下:
;
式中,代表25米格网/>内地类/>的面积,/>代表100米格网/>内地类/>的面积,/>代表/>分区中25米格网/>的人口数;其中,若格网/>中全部为水域,则/>为0,同时将格网/>中的人口数汇总到格网/>中。
基于多源数据精细划分公开人口空间数据集的***,包括:格网修正模块:用于根据多源数据的影响系数对公开人口空间数据集进行修正;然后根据人口统计数据对修正后的上述公开人口空间数据集进行修正,得到待优化格网数据;人口优化模块:用于计算地类权重、面积权重和地类人口密度权重;在地类权重、面积权重和地类人口密度权重的约束下,优化上述待优化格网数据中的各地类人口;格网精细模块:用于对优化后的上述待优化格网数据进行精细划分,获得更高分辨率的精细化格网空间。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明包括修正、优化以及精细化公开人口空间数据集三部分。首先,基于多源数据和人口统计数据对公开人口空间数据集的格网人口进行修正;其次,优化各地类人口;最后,对优化后的上述待优化格网数据进行精细划分,获得更高的人口空间分辨率数据。本发明提出一种基于多源数据修正、优化与精细化公开人口空间数据集的方法,该方法在格网数据基础上,融合多源数据和人口统计数据对公开人口空间数据集的格网进行修正;本发明的多源辅助数据在人口空间分布的空间结构上更能反映实际分布的细节特征;本发明考虑到人口在相同地类上的异质性的问题,利用地类权重、人口密度和面积权重的约束对格网进行优化,从而不仅更好地反映了不同地类的人口密度差异,同时也解决了不同人口密度中同种地类上人口异质性的问题;该方法不仅有效的利用并精细化公开人口空间分布数据,同时也满足人口的异质性和区域差异性的需求,而且其方法具有操作性简单、易于实现、数据易获取等优点。本发明能够基于多源数据对公开的人口空间数据集进行修正、优化和精细化,解决了公开的人口空间数据集多是预测数据,统计数据误差较大以及空间分辨率低的问题。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。在附图中:
图1为本申请实施例1中的WorldPop网格数据集修正的原理图;
图2为本申请实施例1中的格网地类人口优化的原理图;
图3为本申请实施例1中的低分辨率精细化处理方法的原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
如图1~图3所示,本申请实施例提供基于多源数据精细划分公开人口空间数据集的方法,包括:根据多源数据的影响系数对公开人口空间数据集进行修正;根据人口统计数据对修正后的上述公开人口空间数据集进行修正;计算地类权重、面积权重和地类人口密度权重;在地类权重、面积权重和地类人口密度权重的约束下,优化上述待优化格网数据中的各地类人口;对优化后的上述待优化格网数据进行精细划分,获得更高分辨率的精细化格网空间。
上述根据多源数据的影响系数对公开人口空间数据集进行修正,包括如下多种情况中的任意一种或多种:
根据居民主要分布高程评价当前区域的高程影响系数;根据居民主要分布坡度评价当前区域的坡度影响系数;
将路网格网化,根据格网内铁路长度、公路长度和城市道路长度评价当前格网的交通影响因子;
将城镇数据进行格网化,根据中心城区面积、当前格网到中心城区的最短距离,以及在格网周围的一定范围内的中心城区数目评价当前格网的中心城区影响系数;
根据房屋建筑类型和房屋建筑特点,计算当前区域的房屋居住密度;
将人口统计数据与POI类型进行相关性关系,选择强相关POI类型作为格网人口修正的指示因子;根据格网水域面积占比计算水域影响系数。
上述根据人口统计数据对修正后的上述公开人口空间数据集进行修正,得到待优化格网数据,包括:根据区县人口统计数据计算修正后的上述公开人口空间数据集的区县人口修正系数,利用区县人口修正系数修正根据多源数据对公开人口空间数据集修正后的人口数,得到上述待优化格网数据。
上述地类权重的计算包括如下步骤:采用首尾分割法将上述待优化格网数据中的格网人口数按照人口密度划分为多区,分别对不同分区中的人口密度进行地类权重计算,包括:利用不同分区中各格网内不同地类的面积,和该格网面积的比值,计算得到各格网内不同地类的地类占比;归一化每个分区的所有格网内不同地类的地类权重,得到每种地类在所有格网的地类权重。
上述面积权重的计算包括如下步骤:根据各格网中不同地类的面积占该地类所在格网面积的比值,计算得到各格网中每种地类的面积权重。
上述地类人口密度权重的计算包括如下步骤:根据每个地类选择地类覆盖率为100%的所有格网计算地类人口密度权重,包括:根据每个地类在所有格网的总人口和总面积计算该地类的人口密度;根据所有地类的人口密度权重计算各地类的人口密度权重。
上述在地类权重、面积权重和地类人口密度权重的约束下,优化上述待优化格网数据中的各地类人口,包括:根据地类权重以及地类人口密度计算地类综合权重,通过如下公式表示:
;
式中,代表/>分区中地类/>的上述地类综合权重;/>代表/>分区中地类/>归一化后的地类权重;/>代表地类/>的人口密度权重;
根据上述地类综合权重和上述面积权重计算最终权重,通过如下公式表示:
;
式中,代表/>分区中格网/>内地类/>的最终权重;/>代表格网/>内地类的面积权重;
根据不同分区中各格网内不同地类的最终权重和该格网利用区县人口修正系数修正后的人口数,计算各格网的重分配人口数,表示为:
;
式中,代表/>分区中格网/>内地类/>的重分配人口数,/>代表格网/>利用区县人口修正系数修正后的人口数。
上述对优化后的上述待优化格网数据进行精细划分,获得更高分辨率的精细化格网空间,包括:利用面积权重法获取25米格网内地类面积权重,并去除地类为水域的格网,采用Dasymetric法将人口细化至25米格网内,实现25米空间分辨率的人口空间分布数据,获得更高分辨率的上述精细化格网空间。
上述利用面积权重法获取25米格网内地类面积权重,并去除地类为水域的格网,采用Dasymetric法将人口细化至25米格网内,实现25米空间分辨率的人口空间分布数据,计算公式表达如下:
;
式中,代表25米格网/>内地类/>的面积,/>代表100米格网/>内地类/>的面积,/>代表/>分区中25米格网/>的人口数;其中,若格网/>中全部为水域,则/>为0,同时将格网/>中的人口数汇总到格网/>中。
本申请实施例,首先可以通过分析高程、坡度、交通、城市规模、房屋建筑密度、POI等多源数据与区域人口分布的影响系数。其次,基于多源数据影响系数与基于人口统计数据对WorldPop数据集进行修正。
其中,(1)数字高程、坡度影响因子:提取研究区高程坡度数据与居住用地,分析发现居民点主要分布在米与/>内的地区。
;
;
式中,表示100m格网/>高程影响系数,/>表示格网/>高程,/>表示格网/>坡度影响系数,/>表示格网/>坡度。
(2)交通影响因子:将路网格网化,计算格网内交通影响系数。
;
其中,表示格网/>交通影响系数,/>表示格网/>铁路长度,/>表示格网公路长度,/>表示格网/>城市道路长度。
(3)中心城区影响因子计算:将城镇数据格网化,进行路径分析,计算中心城区影响系数。
;
其中,表示格网/>中心城区影响系数,/>表示第/>个中心城区面积,/>表示格网/>到中心城区最短距离,/>表示距格网/>半径2km范围内的所有中心城区的数目。
(4)房屋居住密度计算:本发明中根据房屋建筑分类标准并结合研究区房屋建筑特点,将居住建筑分为多层及以上房屋、低矮房屋和废弃房屋三类。其中废弃房屋其居住密度为0,用数学算法表示房屋居住密度如下:
;
;
其中,表示WorldWop格网汇总的区县/>的人口数,/>表示多层及以上房屋居住密度, />表示多层及以上房屋总面积,/>表示低矮房屋居住密度, />表示低矮房屋总面积。利用最小二乘法解算求得每个区县的/>、/>。/>表示格网/>房屋居住影响系数,表示格网/>多层及以上房屋面积, />表示格网/>低矮房屋面积。
(5)POI影响因子:将区县人口统计数据与POI类型进行Spearman相关分析,选取强相关POI类型,并且可以针对选定的POI类型做核密度分析,体现出目标在空间上的集聚情况,从而将不同POI与相关联空间数据进行对应。
;
;
其中,为第/>个区县的人口统计值;/>为所有区县的平均人口值;/>为第/>个区县第K类POI的个数:/>为所有区县第K类POI的平均个数;/>为第K类POI个数与区县人口统计值之间的相关系数。通过上式可计算每一类POI与区县人口数之间的相关性,并选取相关性最高的POI类型作为格网人口修正的指示因子。/>表示格网/>的POI影响系数,/>表示格网/>核密度值。
(6)去除水域影响因子,表示为:
;
式中,表示格网/>水域影响系数,/>表示格网/>水域面积,/>表示格网/>面积。
(7)基于多源数据修正WorldPop:将高程、坡度、交通、城市规模、房屋建筑密度、POI、水域的影响系数综合对WorldPop格网权重进行修正,其数学表达式如下:
;
;
式中,表示格网/>的综合权重,/>表示格网/>基于多源数据修正后的人数,表示WorldPop格网汇总的区县/>的人数。
根据研究区区县人口统计数据修正WorldPop数据集,计算区县人口修正系数,并修正WorldPop格网人口数。用数学算法对WorldPop格网人口数据进行修正:
;
其中,表示格网/>基于人口统计数据修正后的人数,/>表示区县/>人口统计数。
利用高精度土地利用数据,确定地类权重、面积权重、地类人口密度权重,在三重权重的约束下将WorldPop人口分配到100m格网内的地类上时,具体包括如下步骤:
优化WorldPop格网权重时,基于首尾分割法的地类权重确定阶段,以分区法建立地类权重,按人口密度采用首尾分割法将人口数分为不同密度区,计算各密度区地类权重。
(1)地类权重
人口分布与土地利用类型两者之间相辅相成。人口数量的增加或减少会对土地利用类型产生影响,而土地利用类型的变化也会对人口数量产生反馈作用。基于首尾分割法,根据不同人口密度区计算地类权重值。将100m WorldPop人口格网数据中的人口密度划分成m个分区,分别对人口密度不同的m个分区进行地类权重计算,该方法的数学表达式如下:
;
;
式中代表/>分区中格网/>内地类/>的地类权重,/>代表/>分区中格网内地类/>的面积,/>代表格网/>的面积,/>代表/>分区中地类/>的归一化后的地类权重。
(2)面积权重
人口的空间分布不仅与土地利用类型有关,且与地类的面积大小密切相关。因此,在进行人口空间分布分析时,需要考虑不同类型的土地使用情况和其面积的差异。面积权重法是人口空间分布模型最常用的方法之一,其基本思想是在不同类型的地区赋予不同的面积权重,从而实现对不同地区的人口数量进行调整和重新分配,其数学表达式如下:
;
式中,代表格网/>中地类/>的面积比值。
(3)地类人口密度权重
地类人口密度是反映某地区的不同地类内的人口密度情况,可以用来衡量某地区中不同土地利用类型之间的人口差异。为了更好地考虑地类的差异性和多样性,本发明采用格网内地类覆盖率为100%的格网(即格网内的土地利用类型是唯一的),计算地类覆盖率为100%的地类人口密度权重,数学表达式如下:
根据每个地类在所有格网的总人口和总面积计算该地类的人口密度:
;
根据所有地类的人口密度权重计算各地类的人口密度权重:
;
式中,代表地类/>的人口密度,/>代表地类/>全覆盖格网/>的总人口,代表地类/>全覆盖格网/>的总面积,/>代表地类/>的人口密度权重。
将面积权重、地类权重以及地类人口密度三者相结合作为最终权重,从而提高人口空间分布精度,公式为:
;
;
式中,代表/>分区中地类/>的综合权重,/>代表/>分区中格网/>内地类的最终权重。/>代表/>分区中格网/>内地类/>的重分配人口数,/>代表格网/>的WorldPop人口数。
最后,精细化WorldPop格网人口,在本发明中,先计算面积权重,采用Dasymetric法对WorldPop数据进行了精细化的处理。在此过程中,去除了水域对人口分布的影响,其公式表达如下:
;
式中,代表25米格网/>内地类/>的面积,/>代表100米格网/>内地类/>的面积, />代表/>分区中25米格网/>的人口数。若格网/>中全部为水域,则/>为0,将格网/>中的人口数汇总到格网/>中。
实施例2
本申请实施例基于实施例1提供基于多源数据精细划分公开人口空间数据集的***,包括:格网修正模块:用于根据多源数据的影响系数对公开人口空间数据集进行修正;然后根据人口统计数据对修正后的上述公开人口空间数据集进行修正,得到待优化格网数据;人口优化模块:用于计算地类权重、面积权重和地类人口密度权重;在地类权重、面积权重和地类人口密度权重的约束下,优化上述待优化格网数据中的各地类人口;格网精细模块:用于对优化后的上述待优化格网数据进行精细划分,获得更高分辨率的精细化格网空间。
上述内容原理与实施例1相同,在此不做重复描述。
综上,本申请实施例提出基于多源数据精细划分公开人口空间数据集的方法及***:
本发明包括修正、优化以及精细化WorldPop数据集三部分。首先,基于多源数据和人口统计数据对WorldPop格网进行修正;其次,优化各地类人口;最后,对优化后的上述待优化格网数据进行精细划分,获得更高的人口空间分辨率数据。本发明提出一种基于多源数据修正、优化与精细化WorldPop数据集的方法,该方法在格网数据基础上,融合多源数据和人口统计数据对WorldPop格网进行修正;本发明的多源辅助数据在人口空间分布的空间结构上更能反映实际分布的细节特征;本发明考虑到人口在相同地类上的异质性的问题,利用地类权重、人口密度和面积权重的约束对格网进行优化,从而不仅更好地反映了不同地类的人口密度差异,同时也解决了不同人口密度中同种地类上人口异质性的问题;该方法不仅有效的利用并精细化公开人口空间分布数据,同时也满足人口的异质性和区域差异性的需求,而且其方法具有操作性简单、易于实现、数据易获取等优点。本发明能够基于多源数据对公开的人口空间数据集进行修正、优化和精细化,解决了公开的人口空间数据集多是预测数据,统计数据误差较大以及空间分辨率低的问题。
由于目前公开的人口空间数据集多为预测数据,且空间分辨率较低(5km、1km、100m),不能满足相关研究对高空间分辨率的要求。在公开人口空间数据集中,WorldPop数据集具有较高的空间分辨率。但WorldPop存在两方面问题,一方面WorldPop是预测的人口数据集,与统计数据存在的误差较大。另一方面WorldPop使用的辅助数据是反映土地自然属性的土地覆盖数据,而不是与土地相结合的人类活动而产生的反映土地的社会和经济属性的土地利用数据,导致在小尺度的人口空间分析研究时,WorldPop格网数据会出现人口空间分布与土地利用分布不一致的问题。因此本发明实施例提出一种基于多源数据基于多源数据修正、优化与精细化WorldPop数据的方法及***。本发明实施例既能修正WorldPop数据集误差,也能解决WorldPop数据空间分布与土地利用分布不一致的问题,通过对WorldPop数据进行修正、优化与精细化,进而得到更精确、分辨率更高的人口空间分布数据。
以上上述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上上述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于多源数据精细划分公开人口空间数据集的方法,其特征在于,包括:
根据多源数据的影响系数对公开人口空间数据集进行修正;
然后根据人口统计数据对修正后的所述公开人口空间数据集进行修正,得到待优化格网数据;
计算地类权重、面积权重和地类人口密度权重,包括:
采用首尾分割法将所述待优化格网数据中的格网人口数按照人口密度划分为多区,分别对不同分区中的人口密度进行地类权重计算,包括:
利用不同分区中各格网内不同地类的面积,和该格网面积的比值,计算得到各格网内不同地类的地类占比;
归一化每个分区的所有格网内不同地类的地类权重,得到每种地类在所有格网的地类权重;
根据各格网中不同地类的面积占该地类所在格网面积的比值,计算得到各格网中每种地类的面积权重;
根据每个地类选择地类覆盖率为100%的所有格网计算地类人口密度权重,包括:根据每个地类在所有格网的总人口和总面积计算该地类的人口密度;根据所有地类的人口密度权重计算各地类的人口密度权重;
在地类权重、面积权重和地类人口密度权重的约束下,优化所述待优化格网数据中的各地类人口,包括:
根据地类权重以及地类人口密度计算地类综合权重,通过如下公式表示:
;
式中,代表/>分区中地类/>的所述地类综合权重;/>代表/>分区中地类/>归一化后的地类权重;/>代表地类/>的人口密度权重;
根据所述地类综合权重和所述面积权重计算最终权重,通过如下公式表示:
;
式中,代表/>分区中格网/>内地类/>的最终权重;/>代表格网/>内地类/>的面积权重;
根据不同分区中各格网内不同地类的最终权重和该格网利用区县人口修正系数修正后的人口数,计算各格网的重分配人口数,表示为:
;
式中,代表/>分区中格网/>内地类/>的重分配人口数,/>代表格网/>利用区县人口修正系数修正后的人口数;
对优化后的所述待优化格网数据进行精细划分,获得更高分辨率的精细化格网空间。
2.根据权利要求1所述的基于多源数据精细划分公开人口空间数据集的方法,其特征在于,所述根据多源数据的影响系数对公开人口空间数据集进行修正,包括如下多种情况中的任意一种或多种:
根据居民主要分布高程评价当前区域的高程影响系数;根据居民主要分布坡度评价当前区域的坡度影响系数;将路网格网化,根据格网内铁路长度、公路长度和城市道路长度评价当前格网的交通影响因子;将城镇数据进行格网化,根据中心城区面积、当前格网到中心城区的最短距离,以及在格网周围的一定范围内的中心城区数目评价当前格网的中心城区影响系数;根据房屋建筑类型和房屋建筑特点,计算当前区域的房屋居住密度;将人口统计数据与POI类型进行相关性关系,选择强相关POI类型作为格网人口修正的指示因子;根据格网水域面积占比计算水域影响系数。
3.根据权利要求1所述的基于多源数据精细划分公开人口空间数据集的方法,其特征在于,所述根据人口统计数据对修正后的所述公开人口空间数据集进行修正,得到待优化格网数据,包括:
根据区县人口统计数据计算修正后的所述公开人口空间数据集的区县人口修正系数,利用区县人口修正系数修正根据多源数据对公开人口空间数据集修正后的人口数,得到所述待优化格网数据。
4.根据权利要求1所述的基于多源数据精细划分公开人口空间数据集的方法,其特征在于,所述对优化后的所述待优化格网数据进行精细划分,获得更高分辨率的精细化格网空间,包括:
所述公开人口空间数据集的空间分辨率为100米;利用面积权重法获取25米格网内地类面积权重,并去除地类为水域的格网,采用Dasymetric法将人口细化至25米格网内,实现25米空间分辨率的人口空间分布数据,获得更高分辨率的所述精细化格网空间。
5.根据权利要求4所述的基于多源数据精细划分公开人口空间数据集的方法,其特征在于,所述利用面积权重法获取25米格网内地类面积权重,并去除地类为水域的格网,采用Dasymetric法将人口细化至25米格网内,实现25米空间分辨率的人口空间分布数据,计算公式表达如下:
;
式中,代表25米格网/>地类/>的面积,/>代表100米格网/>内地类/>的面积,代表/>分区中25米格网/>的人口数;其中,若格网/>中全部为水域,则/>为0,同时将格网/>中的人口数汇总到格网/>中。
6.用于权利要求1所述的基于多源数据精细划分公开人口空间数据集的方法的***,其特征在于,包括:
格网修正模块:用于根据多源数据的影响系数对公开人口空间数据集进行修正;然后根据人口统计数据对修正后的所述公开人口空间数据集进行修正,得到待优化格网数据;
人口优化模块:用于计算地类权重、面积权重和地类人口密度权重,包括:
采用首尾分割法将所述待优化格网数据中的格网人口数按照人口密度划分为多区,分别对不同分区中的人口密度进行地类权重计算,包括:
利用不同分区中各格网内不同地类的面积,和该格网面积的比值,计算得到各格网内不同地类的地类占比;
归一化每个分区的所有格网内不同地类的地类权重,得到每种地类在所有格网的地类权重;
根据各格网中不同地类的面积占该地类所在格网面积的比值,计算得到各格网中每种地类的面积权重;
根据每个地类选择地类覆盖率为100%的所有格网计算地类人口密度权重,包括:根据每个地类在所有格网的总人口和总面积计算该地类的人口密度;根据所有地类的人口密度权重计算各地类的人口密度权重;在地类权重、面积权重和地类人口密度权重的约束下,优化所述待优化格网数据中的各地类人口,包括:
根据地类权重以及地类人口密度计算地类综合权重,通过如下公式表示:
;
式中,代表/>分区中地类/>的所述地类综合权重;/>代表/>分区中地类/>归一化后的地类权重;/>代表地类/>的人口密度权重;
根据所述地类综合权重和所述面积权重计算最终权重,通过如下公式表示:
;
式中,代表/>分区中格网/>内地类/>的最终权重;/>代表格网/>内地类/>的面积权重;
根据不同分区中各格网内不同地类的最终权重和该格网利用区县人口修正系数修正后的人口数,计算各格网的重分配人口数,表示为:
;
式中,代表/>分区中格网/>内地类/>的重分配人口数,/>代表格网/>利用区县人口修正系数修正后的人口数;
格网精细模块:用于对优化后的所述待优化格网数据进行精细划分,获得更高分辨率的精细化格网空间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410149754.7A CN117688120B (zh) | 2024-02-02 | 2024-02-02 | 基于多源数据精细划分公开人口空间数据集的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410149754.7A CN117688120B (zh) | 2024-02-02 | 2024-02-02 | 基于多源数据精细划分公开人口空间数据集的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117688120A CN117688120A (zh) | 2024-03-12 |
CN117688120B true CN117688120B (zh) | 2024-04-19 |
Family
ID=90133811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410149754.7A Active CN117688120B (zh) | 2024-02-02 | 2024-02-02 | 基于多源数据精细划分公开人口空间数据集的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117688120B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110716998A (zh) * | 2019-07-25 | 2020-01-21 | 首都师范大学 | 一种精细尺度人口数据空间化方法 |
CN112884208A (zh) * | 2021-01-26 | 2021-06-01 | 中国测绘科学研究院 | 一种城市街区智能划分方法 |
WO2021103323A1 (zh) * | 2019-11-29 | 2021-06-03 | 青岛理工大学 | 一种历史城市保护发展协同控制方案辅助设计*** |
CN113326593A (zh) * | 2021-05-19 | 2021-08-31 | 武汉大学 | 一种顾及规划布局与要素配置合理性的生态空间网络优化方法 |
CN114565223A (zh) * | 2022-01-25 | 2022-05-31 | 生态环境部南京环境科学研究所 | 一种区域生态保护修复工程实施成效评估方法 |
CN115544199A (zh) * | 2022-11-28 | 2022-12-30 | 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*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7844417B2 (en) * | 2003-02-21 | 2010-11-30 | First American Real Estate Solutions, Llc | GIS-based rapid population assessment tool |
-
2024
- 2024-02-02 CN CN202410149754.7A patent/CN117688120B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110716998A (zh) * | 2019-07-25 | 2020-01-21 | 首都师范大学 | 一种精细尺度人口数据空间化方法 |
WO2021103323A1 (zh) * | 2019-11-29 | 2021-06-03 | 青岛理工大学 | 一种历史城市保护发展协同控制方案辅助设计*** |
CN112884208A (zh) * | 2021-01-26 | 2021-06-01 | 中国测绘科学研究院 | 一种城市街区智能划分方法 |
CN113326593A (zh) * | 2021-05-19 | 2021-08-31 | 武汉大学 | 一种顾及规划布局与要素配置合理性的生态空间网络优化方法 |
CN114565223A (zh) * | 2022-01-25 | 2022-05-31 | 生态环境部南京环境科学研究所 | 一种区域生态保护修复工程实施成效评估方法 |
CN115544199A (zh) * | 2022-11-28 | 2022-12-30 | 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*** |
Non-Patent Citations (2)
Title |
---|
人口空间化适宜格网评价方法研究;罗永臻 等;地球信息科学学报;20230531;896-907 * |
基于普查和手机定位数据的乡镇尺度人口空间化方法研究;王晓洁 等;地球信息科学学报;20200525;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117688120A (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ye et al. | Improved population mapping for China using remotely sensed and points-of-interest data within a random forests model | |
Ren et al. | Assessment of local climate zone classification maps of cities in China and feasible refinements | |
Sinha et al. | Assessing the spatial sensitivity of a random forest model: Application in gridded population modeling | |
Poelmans et al. | Detecting and modelling spatial patterns of urban sprawl in highly fragmented areas: A case study in the Flanders–Brussels region | |
Chen et al. | High‐resolution gridded population projections for China under the shared socioeconomic pathways | |
CN111898315B (zh) | 基于分形—机器学习混合模型的滑坡易发性评估方法 | |
Pizzoli et al. | How to best classify rural and urban | |
Santini et al. | Predicting hot-spots of land use changes in Italy by ensemble forecasting | |
CN110689055B (zh) | 一种顾及格网单元属性分级的跨尺度统计指标空间化方法 | |
Chen et al. | A new method for building-level population estimation by integrating LiDAR, nighttime light, and POI data | |
Liu et al. | Characterizing three dimensional (3-D) morphology of residential buildings by landscape metrics | |
Lin et al. | Fine identification of the supply–demand mismatches and matches of urban green space ecosystem services with a spatial filtering tool | |
Wang et al. | Spatiotemporal variability in long-term population exposure to PM2. 5 and lung cancer mortality attributable to PM2. 5 across the Yangtze River Delta (YRD) region over 2010–2016: A multistage approach | |
Chen et al. | Spatiotemporal changes of ecosystem services value by incorporating planning policies: A case of the Pearl River Delta, China | |
CN115129802A (zh) | 一种基于多源数据和集成学习的人口空间化方法 | |
CN109740678B (zh) | 基于多级不均匀空间抽样的遥感影像分类精度检验方法 | |
Luo et al. | Coupling coordination analysis of urbanization and the ecological environment based on urban functional zones | |
Yang et al. | Optimizing building spatial morphology to alleviate human thermal stress | |
CN117688120B (zh) | 基于多源数据精细划分公开人口空间数据集的方法及*** | |
Crols et al. | Downdating high-resolution population density maps using sealed surface cover time series | |
Wang et al. | Spatially explicit global gross domestic product (GDP) data set consistent with the Shared Socioeconomic Pathways | |
Yue et al. | Simulation and prediction of land use change in Dongguan of China based on ANN cellular automata-Markov chain model | |
CN116611725A (zh) | 一种基于绿色生态指标的土地类型识别方法及装置 | |
Liu et al. | Dual-environment feature fusion-based method for estimating building-scale population distributions | |
Liang et al. | Projection of landscape ecological risk and exploration of terrain effects in the Qilian Mountains, 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 |