基于抽样数据甘肃人口房屋数据空间化.docVIP

基于抽样数据甘肃人口房屋数据空间化 　　摘 要：为提高人口、房屋数据空间化精度，在甘肃省内随机抽取311个网格单元（1km×1km）的人口、房屋数据为样本，建立基于抽样数据的人口、房屋分布模型。将其应用到2013年岷县漳县Ms 6.6级地震灾害快速评估中，结果显示，用人口、房屋空间数据得到的快速评估结果具有较高的精度和可信度。基于抽样的人口、房屋数据空间化方法可以较好地反映甘肃省实际人口、房屋分布情况。 　　关键词：人口数据空间化；房屋数据空间化；地震快速评估 　　DOI：10.11907/rjdk.172754 　　中图分类号：TP319 　　文献标识码：A 文章编号：1672-7800（2018）005-0176-03 　　Abstract：In order to improve the accuracy of population and housing grid spatialization， this paper introduced a population and housing gird spatialization module based on 311 random grids samples（1km ×1km）from Gangsu Province. The module was then tested in the rapid earthquake loss assessment of the Ms6.6 earthquake in Min County and Zhang County in 2013. The results showed that the module had high accuracy and reliability of population and housing grid spatialization. 　　Key Words：population grid spatialization； housing grid spatialization； rapid earthquake loss assessment 　　0 引言 　　人口、房屋数据空间化是提高地震灾情快速评估结果精度的关键。国内外学者对于人口分布模型做了大量研究工作，最具代表性的人口分布数据产品有：GPW 5km分辨率人口分布数据、UNEP/GRID 2.5km分辨率人口分布数据和LandScan 30″×30″分辨率人口分布数据。如杨雅玲等[1]依据1985年第一次全国城镇房屋普查数据，建立了三门峡、湛江和厦门的房屋数据库，并结合地震烈度实现地震灾害预测；甘承钊等[2]对合肥市区10个街道办事处3 558幢单体房屋进行调查，并建立房屋基础数据库；韩贞辉等[3]用抽样数据结合人口密度分级模拟了彝良地区房屋分布；高晓路等[4]用地级和省级单元的房屋结构比例，推定县级单元的农村地区房屋比例和数量；丁文秀等[5-8]用公里网格单元的抽样数据并结合统计数据，研究了四川、云南和湖北的人口和房屋分布。 　　目前，大区域房屋数据空间化的研究主要有3种方式：①基于单体房屋的数据普查，工作量太大，人力、财力均难以支持，所以很难在大范围推广实现；②通过大范围（省、市、县）的房屋统计（或估算）数据简单模拟房屋分布，误差较大；③以公里网格单元的抽样数据结合统计数据，获取整个研究区人口、房屋分布。本文采用第三种方法实现了甘肃省人口、房屋数据空间化。 　　1 甘肃省人口数据空间化 　　1.1 分区 　　人口、房屋分布存在较强的区域性差异，本文结合城乡布局将甘肃省划分为5个区域（见图1），使同一区域内的人口、房屋空间分布特征具有较强的相似性，达到简化模型参数的目的。 　　1.2 人口、房屋数据抽样调查 　　本文在甘肃省一共完成311个调查点（每个调查点为1km×1km网格，分布详见图1），调查点网格单元与建模网格单元大小一致，且涉及到每一个分区。 　　1.3 数据预处理 　　用ArcGIS依据甘肃省行政区划图生成 1km×1km格网，以此作为基础。用ArcGIS逐一将自然村分布、交通、城镇分布、数字高程、土地分类和夜间灯光等数据（见表2）进行网格化。 　　1.4 人口数据空间化 　　在分区基础上以土地利用模型为基础，分别对不同分区的样本数据定量分析，采用多元逐步回归分析法建立城镇、农村人口密度模型。 　　1.4.1 建城区人口密度权重模型 　　通过对省会城市、地级市建城区样本数据分析得出，城镇建筑用地、农居用地、交通网密度及分布、水资源分布是建城区影响该区人口分布的主要因素。以土地利用类型中的城镇建筑用地、农居用地为基础，结合交通网密度进行辅助建模，建立城镇建城区人口密度权重模型[5-7]，表达