基于GIS中国东北区域人口模型研究.docVIP

基于GIS中国东北区域人口模型研究 　　摘 要：本文运用GIS空间分析方法和数理统计方法，分析我国东北综合经济区相关因子（自然和经济因子）对人口空间分布的影响程度，并形成与人口分布密切相关的关键因素和人口数学模型，最后对人口模型进行精度验证。结论如下：（1）关键指标包括GDP、jw（大于0℃年积温）和居民区面积；（2）人口模型：（为GDP，为jw，为居民区面积）（3）人口分布特点：年积温偏高、交通较便利、地势平坦的平原地区人口分布较为密集，年积温偏低、地势起伏较大的丘陵、山地区域人口分布较稀少。 　　关键词：GIS；东北区域；人口模型 　　中图分类号：C922 文献标识码：A 　　1 基本理论基础 　　人口区划是研究一定区域范围内人口分布的基本特征与其影响因素的相似性与差异性而划分的人口区域。 [1-2] 　　基于遥感和GIS技术研究人口 [3]，主要是通过自然、经济等因素与人口数据进行相关性分析，筛选出与人口分布关系紧密的重要因素，并建立人口数学模型和人口密度空间分布图。采用的方法主要有格点生成法、复合面积内插法、分区建模法和多因子加权建模法等[4]。 　　2 研究区域概况 　　本文的研究范围是在国务院发展研究中心报告提出的八大综合经济区中的东北综合经济区（包括黑龙江、吉林和辽宁三省）[5]。 　　该区域为温带湿润半湿润区，以温带大陆性季风气候为主，积温自北向南逐渐增大。平原广阔分布，交通较发达，矿产资源丰富，是我国重要的商品粮生产基地、林业基地、能源原材料基地、机械工业和医药工业基地。 　　3 研究材料 　　自然数据包括省级、县级行政区域数据（来自中国2003年行政区域图）、河流水系数据（来自国家测绘科学数据共享网）、DEM数据和土地利用类型数据（来自中国科学院地理科学研究所）、气候数据（来自中国气象科学数据共享服务网）和地形地貌数据（来自李炳元先生主编的1：100万形态地貌图）。 　　经济数据包括第五次人口普查数据、2000年GDP数据、2000年非农业户口人口比重数据和第一、二、三产业人口占行业人口比重数据（来自中国科学院资源环境科学数据中心和国家统计局综合司编制的《中国区域经济统计年鉴2001》）、公路数据和铁路数据（来自国家测绘科学数据共享网的1：400万基础地理信息数据）。 　　4 研究方法 　　4.1 基础数据处理 　　河流数据：合并三级、四级和五级河流数据，再叠加县级行政区域数据计算各县的河流长度。 　　DEM数据：叠加县级行政区域数据计算各县的DEM平均值。 　　土地利用类型数据：计算出各县的适宜人口居住和不适宜人口居住的各土地利用类型的面积。 　　气候数据：采用克里金法（Kriging）插值方法计算气象站点数据的插值，再计算各县的气候数据均值。 　　地形地貌数据：计算出各县的平原、丘陵和山地三大地貌类型的面积。 　　公路和铁路数据：与县级行政区域数据叠加计算各县的公路和铁路长度。 　　经济数据：校正第五次人口普查数据、GDP、非农业户口人口比重数据和第 　　一、二、三产业人口占行业人口比重数据的统计口径。 　　4.2 后期处理分析 　　随机抽取85%的县域范围的数据做分析，其余15%的数据作为后期的模型验证数据。 　　在SPSS软件中经数理统计分析得出该区域内各数据的散点矩阵图，着重分析人口普查基础数据和其他数据间的散点图趋势。 　　剔除与人口普查数据相关性较差或无关的数据，把与人口普查基础数据相关程度高的数据重新进行统计分析，重新建立散点矩阵图和相关性矩阵，选取与人口普查基础数据相关性大于等于0.6，且无明显自相关性的因素作为关键指标[6]。 　　最后，建立人口指标与各关键指标间的模型，并对各子模型进行权重相加[7]，得出人口数学模型，关键指标与人口普查数据的绝对系数R2决定模型的权重系数，该区域模型的精度通过剩余的15%的数据进行检验。 　　5 研究结果 　　5.1 区域指标间的散点图矩阵 　　影响程度（线性或非线性关系）较高的指标：GDP、aat（年均温）、jw（大于0℃年积温）、林地面积和居民区面积。 　　影响程度（线性或非线性关系）偏低（或不存在关系）的指标：第一、二、三产业人口比重、非农业人口比重、DEM、水域面积、rail（铁路）、aap（年降水）、road（公路）、river（河流）、aah（相对湿度）、aas（日照时数）、耕地面积、草地面积、不适宜区面积、适宜区面积、未利用面积、平原面积、丘陵面积和山地面积。 　　5.2 提取各区域内关键性指标，并建立人口模型 　　选择与人口普查数据间的决定系数（包括线性和非线性相关）R2大于0.36的指标作为关键指标，且如果该指标与人口普查数据的决定系数R2 值都大于0.36，那么选取