基于改進遙感影像的城市人口預測方法

基于改進遙感影像的城市人口預測方法

1利用遙感影像進行人口估算的研究城市人口數據是城市規(guī)劃、建設和環(huán)境保護的不可或缺的基本數據。在我國,綜合性的人口普查要十年才能進行一次,這種普查數據時間間隔較長,造成兩次普查之間年份的人口數據缺失。另外,各級統(tǒng)計部門每年都要進行人口統(tǒng)計,這種統(tǒng)計方式費時費力。作為對這些傳統(tǒng)方法的補充,利用遙感數據對人口數據進行獲取,可以彌補以上缺陷。近年來,利用遙感技術估算人口分布的方法在國內外都受到了廣泛的關注,并且取得了豐富的研究成果。Charles等提出城市人口和四個可以從遙感影像中提取的變量有著高度的相關性,意味著從遙感影像估算城市的人口的可能性;Funso等對土地利用類型與人口密度的關系進行了定量的研究;汪慧慧利用土地利用密度法對南京市鼓樓區(qū)進行了人口的遙感估算試驗研究;王發(fā)曾對利用多光譜遙感影像進行城市人口估測的基本思路及誤差消除方法進行了分析;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,對人口密度進行了估計。本文介紹了幾種現(xiàn)有的人口估算方法,并針對研究區(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,對深圳市福田區(qū)各居委會的人口數量進行估算,獲得了滿意的效果。2常用人口估算方法近幾十年來,國內外學者在利用遙感影像進行人口分布研究中進行了諸多嘗試,歸結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。2.1采用公式計算每份每單位的計數結果居住單元法的計算公式為:估算人口數=戶數*每戶平均人口數它的主要計算過程是:對大比例尺的航空相片進行目視解譯,通過分析住宅的布局和結構特征,對住宅區(qū)進行識別,然后對不同類型的住宅加以區(qū)分,并對它們分別進行數目的統(tǒng)計。通過實地抽樣調查的方法,獲得各種類型每戶的人口數并求出平均值作為每戶的平均人口數。最后,利用公式可以計算出總的人口數。這種方法適合在大比例尺航空遙感圖像上目視解譯,其住宅計數精度可達到99%以上。農村的住宅比較分散,住宅數的統(tǒng)計相對容易,所以這種方法對農村比較適用。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統(tǒng)計結果。另外,要利用這種方法達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驗和熟練的相片判讀技術,以及熟悉研究區(qū)域的情況。2.2口密度計算。在城市更土地利用密度法計算人口數量的公式為: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。其主要計算過程為:首先,對航空相片進行判讀,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一步細分為不同的住宅類型,量算出各種住宅類型的面積。通過實地的抽樣調查,獲得各種住宅類型的平均人口密度。二者相乘,就可以得到各個類型的人口數量,加和起來為總的人口數量。這種方法既適用于農村的人口數量的估算,也適用于城市的人口數量的估算。其不足之處在于,在計算各類別的代表性人口密度時,樣區(qū)的選擇較復雜。只有選擇有代表性的樣區(qū),才能獲得符合實際的人口密度。住宅類型也要結合估算區(qū)域的實際情況,根據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)面積和城市人口數量的關系,也就是人口數量的預測模型。選擇合適的采樣區(qū),利用陸地衛(wèi)星圖像對其中建成區(qū)的面積進行量算,根據已知的統(tǒng)計的人口數,回歸出模型中的系數,就可以利用這個模型對各城市的人口進行估算。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)域內的人口數量。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,對區(qū)域內各居委會的人口數量進行估算。深圳市福田區(qū)位于深圳經濟特區(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)總人口達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,是深圳市重點開發(fā)和建設的中心城區(qū),將建設成為深圳市的行政、文化、信息、國際展覽和商務中心。它包括園嶺,南園,福田,沙頭,梅林,華富,香蜜湖,蓮花八個街道辦,各街道辦下屬共九十個居委會和一個保稅區(qū)。實驗資料包括深圳市的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)的基礎地理信息的空間數據庫,以及華富街道辦各居委會的總人口普查數據,包括戶籍人口和暫住人口。戶籍人口是指已在其經常居住地的公安戶籍管理機關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暫住戶口的人。本研究主要任務是對深圳市福田區(qū)各居委會人口數量進行估算,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,對研究區(qū)域進行了實驗。4人口估算的基本原則和方法4.1研究樣區(qū)的選取根據樓房劃分的普遍標準及實驗區(qū)的具體情況,對住宅類型進行劃分。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,對華富街道的十個居委會進行篩選,排除主要是商業(yè)用地的居委會,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,作為研究的樣區(qū),用來進行遙感圖像人口密度的計算。最后,選擇華富街道的六個居委會(黃木崗社區(qū)居委會,田面社區(qū)居委會,新田社區(qū)居委會,蓮花三村社區(qū)居委會,蓮花二村社區(qū)居委會,蓮花一村社區(qū)居委會)作為采樣區(qū)。其中黃木崗社區(qū)居委會、蓮花二村社區(qū)居委會以8層以下樓房住宅為主;田面社區(qū)居委會、蓮花一村社區(qū)居委會有較多小高層樓房;新田社區(qū)居委會、蓮花三村社區(qū)居委會有部分高層樓房。需要補充說明的一點是,如果選擇距福田區(qū)中心到邊緣距離遠近不同的居委會作為采樣區(qū),將具有更強的代表性和更高的估算精度。本研究僅能獲取到華富街道的人口數據,因此從中選取了最具代表性的六個居委會。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地建筑面積,將其代入到密度估算模型,計算出不同類型的人口密度。首先,對彩色航空相片進行室內的目視解譯。結合深圳市地理信息數據庫,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,工廠,綠地等區(qū)分開來。對居住區(qū)中的樓房類型進行判讀。反復對比影像特征,建立解譯標志,對各居委會進行實地考察,驗證解譯結果。在ArcGIS的ArcMap模塊中,將福田區(qū)居委會矢量行政區(qū)劃圖與航空圖像進行空間配準,根據建立的解譯標志,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進行編程,計算出采樣區(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果中,因而也更符合實際情況。4.3最佳上界估計傳統(tǒng)的計算人口密度的方法是對實地進行抽樣,對得到的數據求平均值。因為人口空間分布的復雜性,所以抽樣區(qū)域選擇不恰當,將會對得到的人口密度產生很大的影響。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)計得到的人口數據,計算出各居住地類型的人口密度。根據土地利用密度法的原理,對于每個居委會來說,總人口數為各個類型的人口數之和,而各個類型的人口數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為六個居委會的人口數,Ρ=[129502098678759650800017218]P=????????????????129502098678759650800017218????????????????S為每個居委會各種居住類型的面積,例如S11為黃木崗社區(qū)居委會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范數即估計值與測量值的誤差的平方和來度量預測值和真實值之間的差距,力求選取使預測數據盡可能接近觀測數據的一組模型參數。最小二乘解為最優(yōu)解主要在于,當數據誤差呈正態(tài)分布時,在統(tǒng)計意義上,模型的最小二乘解為它的最大似然解?？傉`差的計算公式為:E=eΤe=(ΡSD)Τ(ΡSD)(1)重復計算E對每個模型參數的導數,然后另其結果等于零,把這一結果方程用矩陣符號寫出,即為SΤSDSΤΡ=0得到如下解:Dest=[SΤS]1SΤΡ(2)代入數據到公式(1),可得到計算結果為: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)假設居委會的人口數據是不相關的,而且有相同的標準差δ,即Cov(P)=δ2I,I為單位矩陣。公式(3)可以簡化為:Cov(Dest)=δ2[SΤS]1(4)根據統(tǒng)計資料的來源,這里假設各居委會的人口統(tǒng)計數據是獨立分布的,而且具有相同的標準差100,把數據代入到公式(4),可以得到三種居住類型的人口密度的標準差分別為:δ1=17(人/km2)δ2=78(人/km2)δ3=99(人/km2)由計算結果可以看出,這樣得到人口密度的標準差較低,人口密度的估算精度還是相當高的。4.4遙感圖像分布圖式在獲得了人口密度的基礎上,利用土地密度法的計算公式,對非樣區(qū)的居委會的人口數量進行估算。主要估算過程為:首先,根據第二步中建立的解譯標志,對福田區(qū)沒有統(tǒng)計人口數據的居委會的遙感圖像進行判讀。同樣劃分出居住用地,并對其中的各種住宅類型的進行判別。在ArcMap中,勾畫出其邊界,計算出各類型的面積。在這個過程中,一方面,對于一些圖像結構或色彩特征不明顯,無法確定居住類型的地物要認真識別,避免錯分;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,還未進行出售,如果不進行剔除,就會使計算結果明顯偏大。這就要求計算人員對研究區(qū)域進行足夠的了解,所以在遙感圖像的判讀過程中,到實地進行驗證是必不可少的輔助手段。利用第三步中得到的人口密度,計算出各種居住類型的人口數量,最后求和,得到各居委會的總人口數量。根據各居委會的人口數量可以做出整個福田區(qū)的人口分布圖(圖2)。經過這種方法計算可得到2002年福田區(qū)的總人口數量大約為85萬,這和普查得到的88.58萬是很接近的,總誤差只有4%,說明我們得到的結果還是令人滿意的。5遙感圖像人口估計方法在確定城市化住宅類型時的應用本文中提出的方法主要在兩個方面對傳統(tǒng)的土地利用密度法進行了改進。一方面,利用人口統(tǒng)計數據和人口密度估算模型,計算出人口密度的最小二乘解,避免了直接通過實際抽樣獲取人口密度的隨機性誤差;另一方面,在GIS技術的支持下,通過基礎地理信息與遙感影像相結合,計算住宅面積,提高了住宅類型識別和面積計算的精度,同時大大簡化了面積計算的復雜性。應該指出的是,本文根據深圳市的建設情況把住宅類型分為三種,可能不適合一些大城市,在利用遙感影像對人口進行估計的研究中,要針對具體的情況,做出相應調整。大城市的住宅類型比較復雜,需要根據它們人口密度的不同區(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將它們判讀出來的前提下,這種劃分可以進一步提高估算