CORC  > 寒区旱区环境与工程研究所  > 研究生学位论文  > 学位论文
题名干旱区内陆河流域人口统计数据的空间化——以黑河流域为例
作者王雪梅
学位类别硕士
答辩日期2005
授予单位中国科学院寒区旱区环境与工程研究所
授予地点中国科学院寒区旱区环境与工程研究所
导师李新
关键词人口 空间化 区划 土地利用 距离衰减模型 流域 遥感
其他题名Pixelizing the Population Statistics of Inland River Basin in Arid Regions: a Case Study of Heihe River Basin
中文摘要人口数据对于全球、洲际、区域尺度的人与环境交互作用研究的重要性己经被广泛地认知。研究人口数据与环境的关系不仅要关心人口的数量,更要分析其空间分布。但常规的人口普查数据或统计年鉴数据和环境数据在空间单元上的不重合使人口与环境的交互作用分析变得十分困难,所以需要对人口普查数据进行空间化,通过建模模拟人口真实的空间分布状况和动态变迁的过程。人口数据空间化建模的基本思路是将人口数据和水热条件、地形地貌、地表覆被、廊道等地理因子关联起来。遥感可以直接或间接地为之提供地表光谱特征、植被特征和土地利用等基础信息,GIS技术可用来建立空间分布的地理因子库并提供相关的空间分析方法,因此遥感和地理信息系统是人口统计数据空间化有效的研究工具。论文首先介绍了国内外人口数据空间化研究的主要项目和方法思路。全球人口数据空间化项目主要有GP、V、UNEP/GFJD和Landscan,方法主要包括从遥感解译信息反演人口数据、从DMSP-OLS夜间灯光数据反演人口数据和从遥感获取的光谱特征直接反演人口数据。国内研究尽管起步较晚但发展很快,主要采用的有格点生成法和多因子加权融合建模法。然后概述黑河流域的自然地理特征、社会经济特征及人口的历史发展状况。搜集整理本研究所需的空间数据和统计数据,对土地利用数据进行了精度评价和修正,精度评价结果表明修正数据的精度相对于原始数据有较为明显的提高。分析根据野外调查工作所获得的当地农村、城市人口空间分布特征。野外调查发现绿洲区内的农村居民点大多以社(组)或者村为单位呈规则形状整齐排列在一起,农村居民地面积和人口之间呈现显著正相关,城市人口密度具有从中心向边缘首先缓慢下降,接近边缘区快速下降的特征。以上调查分析结果为研究区人口空间分布方案的选择提供了重要的参考依据。通过对国内人口数据空间化的几种主要模型进行探讨,结合干旱区内陆河流域特征构建适合黑河流域农村和城市人口分布模型。全国尺度的人口密度空间分布模拟主要是基于土地利用数据建立回归模型,采用该方法模拟黑河流域农村人口的空间分布。分析模拟城市人口密度衰减的Clark模型、Sherratt模型、Newl吨模型、加幂指数模型等,这些模型都假定城市是单中心且人口密度的空间分布由城市中心向周围呈同心圆的方式递减,这与多数城市的实况不符,应用这些模型模拟人口分布势必会偏离实际情况。本研究利用城市边缘距离来表征城市多中心情形,同时也可以很容易将不规则的城市虚拟成同心圆分布的城市。文中将Clare模型和加幂指数模型转换成基于城市边缘距离的形式来模拟研究区小城市人口密度。以黑河流域为例在流域尺度上对干旱区内陆河流域的人口空间分布模拟进行尝试。先用主成分分析和因子分析法从n个区划指标中提取出四个因子,利用因子得分进行分层聚类,把研究区分为4个人口分布特征区域。基于各县人口统计数据建立农村居民地、耕地面积与农村人口之间的线性回归模型,控制各区县内的人口总数,采取不同人口分布特征区域区别对待的原则对人口系数做必要调整,中游绿洲修正耕地人口分布系数,上游山区和下游荒漠绿洲区增加草地人口分布系数。对城市人口估计的分析表明Clark模型无法准确模拟研究区城市人口密度,采用加幂指数模型可以较好模拟流域城市人口密度的空间分布。基于以上方法最终获得黑河流域25m格网的人口空间分布结果和尺度上推后的1km格网数据。在乡镇级别对人口空间化结果进行精度验证,并与已有数据库(GPW1995、UNEP/GFJD1"5、LandScan2002和cn2000pop)估计的黑河流域人口数据进行比较分析,结果均表明本研究采用的方法和模型可以获得更高精度的流域人口空间分布数据,这种针对干旱区内陆河流域所采用的人口数据空间化方案和模拟模型是可行的。
语种中文
公开日期2013-08-22
页码77
内容类型学位论文
源URL[http://ir.casnw.net/handle/362004/22053]  
专题寒区旱区环境与工程研究所_研究生学位论文_学位论文
推荐引用方式
GB/T 7714
王雪梅. 干旱区内陆河流域人口统计数据的空间化——以黑河流域为例[D]. 中国科学院寒区旱区环境与工程研究所. 中国科学院寒区旱区环境与工程研究所. 2005.
个性服务
查看访问统计
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。


©版权所有 ©2017 CSpace - Powered by CSpace