基于改進(jìn)遙感影像的城市人口預(yù)測(cè)方法

基于改進(jìn)遙感影像的城市人口預(yù)測(cè)方法

1利用遙感影像進(jìn)行人口估算的研究城市人口數(shù)據(jù)是城市規(guī)劃、建設(shè)和環(huán)境保護(hù)的不可或缺的基本數(shù)據(jù)。在我國(guó),綜合性的人口普查要十年才能進(jìn)行一次,這種普查數(shù)據(jù)時(shí)間間隔較長(zhǎng),造成兩次普查之間年份的人口數(shù)據(jù)缺失。另外,各級(jí)統(tǒng)計(jì)部門每年都要進(jìn)行人口統(tǒng)計(jì),這種統(tǒng)計(jì)方式費(fèi)時(shí)費(fèi)力。作為對(duì)這些傳統(tǒng)方法的補(bǔ)充,利用遙感數(shù)據(jù)對(duì)人口數(shù)據(jù)進(jìn)行獲取,可以彌補(bǔ)以上缺陷。近年來,利用遙感技術(shù)估算人口分布的方法在國(guó)內(nèi)外都受到了廣泛的關(guān)注,并且取得了豐富的研究成果。Charles等提出城市人口和四個(gè)可以從遙感影像中提取的變量有著高度的相關(guān)性,意味著從遙感影像估算城市的人口的可能性;Funso等對(duì)土地利用類型與人口密度的關(guān)系進(jìn)行了定量的研究;汪慧慧利用土地利用密度法對(duì)南京市鼓樓區(qū)進(jìn)行了人口的遙感估算試驗(yàn)研究;王發(fā)曾對(duì)利用多光譜遙感影像進(jìn)行城市人口估測(cè)的基本思路及誤差消除方法進(jìn)行了分析;徐建剛,呂安民等分別建立了基于遙感影像的城市人口密度估算模型,對(duì)人口密度進(jìn)行了估計(jì)。本文介紹了幾種現(xiàn)有的人口估算方法,并針對(duì)研究區(qū)的情況,利用城市人口密度估算模型,通過航空遙感圖像解譯及GIS技術(shù),對(duì)深圳市福田區(qū)各居委會(huì)的人口數(shù)量進(jìn)行估算,獲得了滿意的效果。2常用人口估算方法近幾十年來,國(guó)內(nèi)外學(xué)者在利用遙感影像進(jìn)行人口分布研究中進(jìn)行了諸多嘗試,歸結(jié)起來比較常用的人口估算方法可以分為居住單元法,土地利用密度法和建成區(qū)面積法,它們各有所長(zhǎng)。2.1采用公式計(jì)算每份每單位的計(jì)數(shù)結(jié)果居住單元法的計(jì)算公式為:估算人口數(shù)=戶數(shù)*每戶平均人口數(shù)它的主要計(jì)算過程是:對(duì)大比例尺的航空相片進(jìn)行目視解譯,通過分析住宅的布局和結(jié)構(gòu)特征,對(duì)住宅區(qū)進(jìn)行識(shí)別,然后對(duì)不同類型的住宅加以區(qū)分,并對(duì)它們分別進(jìn)行數(shù)目的統(tǒng)計(jì)。通過實(shí)地抽樣調(diào)查的方法,獲得各種類型每戶的人口數(shù)并求出平均值作為每戶的平均人口數(shù)。最后,利用公式可以計(jì)算出總的人口數(shù)。這種方法適合在大比例尺航空遙感圖像上目視解譯,其住宅計(jì)數(shù)精度可達(dá)到99%以上。農(nóng)村的住宅比較分散,住宅數(shù)的統(tǒng)計(jì)相對(duì)容易,所以這種方法對(duì)農(nóng)村比較適用。其局限性主要在于在一些熱帶地區(qū)或一些濕潤(rùn)的中緯度地區(qū),住房通常被植物遮擋,因此難以得到正確的住宅數(shù)統(tǒng)計(jì)結(jié)果。另外,要利用這種方法達(dá)到比較高的估算精度,要求解譯人員需要有豐富的相片判讀經(jīng)驗(yàn)和熟練的相片判讀技術(shù),以及熟悉研究區(qū)域的情況。2.2口密度計(jì)算。在城市更土地利用密度法計(jì)算人口數(shù)量的公式為:Ρ=S1*D1+S2*D2+S3*D3+?+Sn*DnP=S1*D1+S2*D2+S3*D3+?+Sn*Dn其中D1D2…Dn為每一住宅類型的代表人口密度,S1S2…Sn為每一住宅類型的面積。其主要計(jì)算過程為:首先,對(duì)航空相片進(jìn)行判讀,區(qū)分出居住地與非居住地。然后把劃分為居住地的范圍進(jìn)一步細(xì)分為不同的住宅類型,量算出各種住宅類型的面積。通過實(shí)地的抽樣調(diào)查,獲得各種住宅類型的平均人口密度。二者相乘,就可以得到各個(gè)類型的人口數(shù)量,加和起來為總的人口數(shù)量。這種方法既適用于農(nóng)村的人口數(shù)量的估算,也適用于城市的人口數(shù)量的估算。其不足之處在于,在計(jì)算各類別的代表性人口密度時(shí),樣區(qū)的選擇較復(fù)雜。只有選擇有代表性的樣區(qū),才能獲得符合實(shí)際的人口密度。住宅類型也要結(jié)合估算區(qū)域的實(shí)際情況,根據(jù)人口密度的差異來劃分。2.3陸地衛(wèi)星圖像量算模型這種估算方法首先要建立建成區(qū)面積和城市人口數(shù)量的關(guān)系,也就是人口數(shù)量的預(yù)測(cè)模型。選擇合適的采樣區(qū),利用陸地衛(wèi)星圖像對(duì)其中建成區(qū)的面積進(jìn)行量算,根據(jù)已知的統(tǒng)計(jì)的人口數(shù),回歸出模型中的系數(shù),就可以利用這個(gè)模型對(duì)各城市的人口進(jìn)行估算。該模型方法適用于50萬～250萬人口的大城市。估算所使用的衛(wèi)星遙感圖像較航空影像容易獲取。但是,這種方法不能用來估算小城市或大城市中局部區(qū)域內(nèi)的人口數(shù)量。3深圳期間戶籍人口的基本情況作者選擇深圳市福田區(qū)作為研究區(qū)域,對(duì)區(qū)域內(nèi)各居委會(huì)的人口數(shù)量進(jìn)行估算。深圳市福田區(qū)位于深圳經(jīng)濟(jì)特區(qū)中部,東部從紅嶺路起與羅湖區(qū)相連,西部至華僑城與南山區(qū)相接,北到筆架山、蓮花山與寶安區(qū)龍華鎮(zhèn)相連,南臨深圳河、深圳灣與香港新界的米埔、元朗相望。轄區(qū)面積78.8km2,截至2002年全區(qū)總?cè)丝谶_(dá)88.58萬人,其中戶籍人口35.6萬人,暫住人口52.98萬人。福田區(qū)是深圳市委、市政府所在地,是深圳市重點(diǎn)開發(fā)和建設(shè)的中心城區(qū),將建設(shè)成為深圳市的行政、文化、信息、國(guó)際展覽和商務(wù)中心。它包括園嶺,南園,福田,沙頭,梅林,華富,香蜜湖,蓮花八個(gè)街道辦,各街道辦下屬共九十個(gè)居委會(huì)和一個(gè)保稅區(qū)。實(shí)驗(yàn)資料包括深圳市的2002年拍攝的比例尺為1∶1000彩紅外航空相片,深圳市福田區(qū)的基礎(chǔ)地理信息的空間數(shù)據(jù)庫(kù),以及華富街道辦各居委會(huì)的總?cè)丝谄詹閿?shù)據(jù),包括戶籍人口和暫住人口。戶籍人口是指已在其經(jīng)常居住地的公安戶籍管理機(jī)關(guān)登記了常住戶口的人。暫住人口指在居住地沒有登記常住戶口而申報(bào)暫住戶口的人。本研究主要任務(wù)是對(duì)深圳市福田區(qū)各居委會(huì)人口數(shù)量進(jìn)行估算,比較各種人口估算方法,作者選用土地利用密度法并加以改進(jìn),對(duì)研究區(qū)域進(jìn)行了實(shí)驗(yàn)。4人口估算的基本原則和方法4.1研究樣區(qū)的選取根據(jù)樓房劃分的普遍標(biāo)準(zhǔn)及實(shí)驗(yàn)區(qū)的具體情況,對(duì)住宅類型進(jìn)行劃分。福田區(qū)沒有平房這種住宅類型,基本為樓房,居住地較為集中,主要集中在一些住宅小區(qū),混合型的住宅較少。另外,考慮到不同類型樓房人口密度的差異,我們把住宅類型劃分為三種:8層以下樓房(包括高度為8層及低于8層的居民樓房,主要為舊式住宅,也包括部分新式住宅小區(qū),別墅,度假山莊等),9～14層小高層樓房(高度為9到14層的中高層樓房),15層以上高層樓房(高度為15層及以上的樓房,主要為新式住宅小區(qū))。然后分析居住地的空間分布情況,對(duì)華富街道的十個(gè)居委會(huì)進(jìn)行篩選,排除主要是商業(yè)用地的居委會(huì),選擇比較典型的包括三種樓房類型的并且具有一定代表性的居委會(huì),作為研究的樣區(qū),用來進(jìn)行遙感圖像人口密度的計(jì)算。最后,選擇華富街道的六個(gè)居委會(huì)(黃木崗社區(qū)居委會(huì),田面社區(qū)居委會(huì),新田社區(qū)居委會(huì),蓮花三村社區(qū)居委會(huì),蓮花二村社區(qū)居委會(huì),蓮花一村社區(qū)居委會(huì))作為采樣區(qū)。其中黃木崗社區(qū)居委會(huì)、蓮花二村社區(qū)居委會(huì)以8層以下樓房住宅為主;田面社區(qū)居委會(huì)、蓮花一村社區(qū)居委會(huì)有較多小高層樓房;新田社區(qū)居委會(huì)、蓮花三村社區(qū)居委會(huì)有部分高層樓房。需要補(bǔ)充說明的一點(diǎn)是,如果選擇距福田區(qū)中心到邊緣距離遠(yuǎn)近不同的居委會(huì)作為采樣區(qū),將具有更強(qiáng)的代表性和更高的估算精度。本研究?jī)H能獲取到華富街道的人口數(shù)據(jù),因此從中選取了最具代表性的六個(gè)居委會(huì)。4.2采樣區(qū)的確定在確定樣區(qū)之后,需要從遙感影像中提取采樣區(qū)中各種樓房類型的實(shí)地建筑面積,將其代入到密度估算模型,計(jì)算出不同類型的人口密度。首先,對(duì)彩色航空相片進(jìn)行室內(nèi)的目視解譯。結(jié)合深圳市地理信息數(shù)據(jù)庫(kù),主要為道路、單位等,在遙感圖像上,將居住地和其他類型用地,例如校園,商店,停車場(chǎng),工廠,綠地等區(qū)分開來。對(duì)居住區(qū)中的樓房類型進(jìn)行判讀。反復(fù)對(duì)比影像特征,建立解譯標(biāo)志,對(duì)各居委會(huì)進(jìn)行實(shí)地考察,驗(yàn)證解譯結(jié)果。在ArcGIS的ArcMap模塊中,將福田區(qū)居委會(huì)矢量行政區(qū)劃圖與航空?qǐng)D像進(jìn)行空間配準(zhǔn),根據(jù)建立的解譯標(biāo)志,勾畫出不同居住類型的邊界,并建立新的多邊形圖層保存。在ArcMap中,利用其自帶的宏語言和函數(shù)進(jìn)行編程,計(jì)算出采樣區(qū)各類居住用地的面積(表1)。這樣得到的面積,避免了直接在遙感相片上進(jìn)行勾畫,將在成像過程中由于投影變形所造成的誤差帶入到量算結(jié)果中,因而也更符合實(shí)際情況。4.3最佳上界估計(jì)傳統(tǒng)的計(jì)算人口密度的方法是對(duì)實(shí)地進(jìn)行抽樣,對(duì)得到的數(shù)據(jù)求平均值。因?yàn)槿丝诳臻g分布的復(fù)雜性,所以抽樣區(qū)域選擇不恰當(dāng),將會(huì)對(duì)得到的人口密度產(chǎn)生很大的影響。為了提高密度估算的精度,建立了人口密度估算模型,直接利用統(tǒng)計(jì)得到的人口數(shù)據(jù),計(jì)算出各居住地類型的人口密度。根據(jù)土地利用密度法的原理,對(duì)于每個(gè)居委會(huì)來說,總?cè)丝跀?shù)為各個(gè)類型的人口數(shù)之和,而各個(gè)類型的人口數(shù)為平均人口密度與面積的乘積。從而,建立人口密度估算模型:[p1p2p3]=[s11s12s13s21s22s23s31s32s33s41s42s43s51s52s53s61s62s63][D1D2D3]????????p1p2p3????????=????????????????s11s12s13s21s22s23s31s32s33s41s42s43s51s52s53s61s62s63????????????????????????D1D2D3????????用矩陣的形式表示為:Ρ=SDP=SD其中:P為六個(gè)居委會(huì)的人口數(shù),Ρ=[129502098678759650800017218]P=????????????????129502098678759650800017218????????????????S為每個(gè)居委會(huì)各種居住類型的面積,例如S11為黃木崗社區(qū)居委會(huì)8層以下樓房的面積,S=[6.00390.20570.15651.95191.06690.57861.38880.00000.83813.80320.00000.82002.58340.12000.31623.42001.08720.2549]S=????????????????6.00390.20570.15651.95191.06690.57861.38880.00000.83813.80320.00000.82002.58340.12000.31623.42001.08720.2549????????????????D為待求的量,D1為8層以下樓房的人口密度,D2為9～14層小高層樓房的人口密度,D3為15層以上高層樓房的人口密度。利用最小二乘法求得人口密度,可以得到最佳的近似解。最小二乘法用L2范數(shù)即估計(jì)值與測(cè)量值的誤差的平方和來度量預(yù)測(cè)值和真實(shí)值之間的差距,力求選取使預(yù)測(cè)數(shù)據(jù)盡可能接近觀測(cè)數(shù)據(jù)的一組模型參數(shù)。最小二乘解為最優(yōu)解主要在于,當(dāng)數(shù)據(jù)誤差呈正態(tài)分布時(shí),在統(tǒng)計(jì)意義上,模型的最小二乘解為它的最大似然解?？傉`差的計(jì)算公式為:E=eΤe=(ΡSD)Τ(ΡSD)(1)重復(fù)計(jì)算E對(duì)每個(gè)模型參數(shù)的導(dǎo)數(shù),然后另其結(jié)果等于零,把這一結(jié)果方程用矩陣符號(hào)寫出,即為SΤSDSΤΡ=0得到如下解:Dest=[SΤS]1SΤΡ(2)代入數(shù)據(jù)到公式(1),可得到計(jì)算結(jié)果為:D1=1406(人/km2)D2=11693(人/km2)D3=6855(人/km2)模型的協(xié)方差矩陣為:Cov(Dest)=[SΤS]1SΤCov(Ρ)S[SΤS]1(3)假設(shè)居委會(huì)的人口數(shù)據(jù)是不相關(guān)的,而且有相同的標(biāo)準(zhǔn)差δ,即Cov(P)=δ2I,I為單位矩陣。公式(3)可以簡(jiǎn)化為:Cov(Dest)=δ2[SΤS]1(4)根據(jù)統(tǒng)計(jì)資料的來源,這里假設(shè)各居委會(huì)的人口統(tǒng)計(jì)數(shù)據(jù)是獨(dú)立分布的,而且具有相同的標(biāo)準(zhǔn)差100,把數(shù)據(jù)代入到公式(4),可以得到三種居住類型的人口密度的標(biāo)準(zhǔn)差分別為:δ1=17(人/km2)δ2=78(人/km2)δ3=99(人/km2)由計(jì)算結(jié)果可以看出,這樣得到人口密度的標(biāo)準(zhǔn)差較低,人口密度的估算精度還是相當(dāng)高的。4.4遙感圖像分布圖式在獲得了人口密度的基礎(chǔ)上,利用土地密度法的計(jì)算公式,對(duì)非樣區(qū)的居委會(huì)的人口數(shù)量進(jìn)行估算。主要估算過程為:首先,根據(jù)第二步中建立的解譯標(biāo)志,對(duì)福田區(qū)沒有統(tǒng)計(jì)人口數(shù)據(jù)的居委會(huì)的遙感圖像進(jìn)行判讀。同樣劃分出居住用地,并對(duì)其中的各種住宅類型的進(jìn)行判別。在ArcMap中,勾畫出其邊界,計(jì)算出各類型的面積。在這個(gè)過程中,一方面,對(duì)于一些圖像結(jié)構(gòu)或色彩特征不明顯,無法確定居住類型的地物要認(rèn)真識(shí)別,避免錯(cuò)分;另一方面,要特別注意一些異常的住宅區(qū),例如有些樓房是新建筑,還未進(jìn)行出售,如果不進(jìn)行剔除,就會(huì)使計(jì)算結(jié)果明顯偏大。這就要求計(jì)算人員對(duì)研究區(qū)域進(jìn)行足夠的了解,所以在遙感圖像的判讀過程中,到實(shí)地進(jìn)行驗(yàn)證是必不可少的輔助手段。利用第三步中得到的人口密度,計(jì)算出各種居住類型的人口數(shù)量,最后求和,得到各居委會(huì)的總?cè)丝跀?shù)量。根據(jù)各居委會(huì)的人口數(shù)量可以做出整個(gè)福田區(qū)的人口分布圖(圖2)。經(jīng)過這種方法計(jì)算可得到2002年福田區(qū)的總?cè)丝跀?shù)量大約為85萬,這和普查得到的88.58萬是很接近的,總誤差只有4%,說明我們得到的結(jié)果還是令人滿意的。5遙感圖像人口估計(jì)方法在確定城市化住宅類型時(shí)的應(yīng)用本文中提出的方法主要在兩個(gè)方面對(duì)傳統(tǒng)的土地利用密度法進(jìn)行了改進(jìn)。一方面,利用人口統(tǒng)計(jì)數(shù)據(jù)和人口密度估算模型,計(jì)算出人口密度的最小二乘解,避免了直接通過實(shí)際抽樣獲取人口密度的隨機(jī)性誤差;另一方面,在GIS技術(shù)的支持下,通過基礎(chǔ)地理信息與遙感影像相結(jié)合,計(jì)算住宅面積,提高了住宅類型識(shí)別和面積計(jì)算的精度,同時(shí)大大簡(jiǎn)化了面積計(jì)算的復(fù)雜性。應(yīng)該指出的是,本文根據(jù)深圳市的建設(shè)情況把住宅類型分為三種,可能不適合一些大城市,在利用遙感影像對(duì)人口進(jìn)行估計(jì)的研究中,要針對(duì)具體的情況,做出相應(yīng)調(diào)整。大城市的住宅類型比較復(fù)雜,需要根據(jù)它們?nèi)丝诿芏鹊牟煌瑓^(qū)分出更多的種類。例如,本文8層以下樓房中包括了別墅、度假山莊等住宅類型,可以將它們單獨(dú)作為一類;9～14層的小高層樓房和15層以上的高層樓房可以細(xì)分為普通住宅樓和商住兩用樓兩種類型等。在大比例尺航空影像中或加以輔助信息能夠?qū)⑺鼈兣凶x出來的前提下,這種劃分可以進(jìn)一步提高估算