集成地理探测器与随机森林模型的城市人口分布格网模拟

doi:10.13474/j.cnki.11-2246.2020.0016

测绘通报 ›› 2020, Vol. 0 ›› Issue (1): 76-81.doi: 10.13474/j.cnki.11-2246.2020.0016

集成地理探测器与随机森林模型的城市人口分布格网模拟

成方龙¹, 赵冠伟^1,2, 杨木壮^1,2, 刘月亮¹, 李芳¹

1. 广州大学地理科学学院, 广东广州 510006;
2. 广州大学国土资源与海岸带研究所, 广东广州 510006

收稿日期:2019-04-08 修回日期:2019-10-19 发布日期:2020-02-10
通讯作者: 赵冠伟。E-mail:zgw11124@163.com E-mail:zgw11124@163.com
作者简介:成方龙(1992-),男,硕士生,主要研究方向为地理时空数据分析。E-mail:784628444@qq.com
基金资助:
国家自然科学基金（41671175；41671430）；广东省自然科学基金（2017A030313240）；广东省高等学校优秀青年教师培养项目（YQ2015127）

Simulation of urban population distribution grid by integrating geodetector and random forest model

CHENG Fanglong¹, ZHAO Guanwei^1,2, YANG Muzhuang^1,2, LIU Yueliang¹, LI Fang¹

1. School of Geographical Science, Guangzhou University, Guangzhou 510006, China;
2. Institute of Land Resources and Coastal Zone, Guangzhou University, Guangzhou 510006, China

Received:2019-04-08 Revised:2019-10-19 Published:2020-02-10

摘要/Abstract

摘要： 精细尺度的城市人口分布信息是城市资源配置和综合管理的重要依据。本文以广州市越秀区、荔湾区、天河区、海珠区、白云区及黄埔区作为研究区域，基于人口统计、夜间灯光、兴趣点及土地利用等多源数据，利用地理探测器识别人口分布的影响因子，运用随机森林模型开展人口分布空间格网模拟研究。研究结果表明，与传统的相关分析相比，地理探测器能够更为准确地识别人口空间分布的重要影响因子。基于随机森林模型的人口分布格网模拟结果与街道（镇）实际人口的相关系数为0.774，平均相对误差约为30%。相比基于线性回归模型的模拟结果，随机森林模型的精度有明显提高。

关键词: 人口分布, 格网, 模拟, 随机森林, 地理探测器

Abstract: Fine population distribution is important to urban resource allocation and management.In this paper,we take the Yuexiu District, Liwan District, Tianhe District, Haizhu District, Baiyun District and Huangpu District of Guangzhou city as the research areas,and base on multi-source data such as demography, night lighting, interest points and land use,using the geodetector to identify the influencing factors of population distribution,and simulate the population distribution grid by using random forest model.The results show that compared with the traditional correlation analysis, the geodetector can identify the important factors of spatial distribution of population more accurately.The correlation coefficient between the results of population distribution grid simulation based on random forest model and the actual population of streets (towns) is 0.774, with an average relative error of about 30%.Compared with the simulation results based on linear regression model, the accuracy of the stochastic forest model is significantly improved.

Key words: population distribution, grid, simulation, random forest, geodetector

中图分类号:

P208

成方龙, 赵冠伟, 杨木壮, 刘月亮, 李芳. 集成地理探测器与随机森林模型的城市人口分布格网模拟[J]. 测绘通报, 2020, 0(1): 76-81.

CHENG Fanglong, ZHAO Guanwei, YANG Muzhuang, LIU Yueliang, LI Fang. Simulation of urban population distribution grid by integrating geodetector and random forest model[J]. Bulletin of Surveying and Mapping, 2020, 0(1): 76-81.

参考文献

[1] 吴忠观.人口学[M].重庆:重庆大学出版社,1993.
[2] 柏中强,王卷乐,姜浩,等.基于多源信息的人口分布格网化方法研究[J].地球信息科学学报,2015,17(6):653-660.
[3] 黄杰,闫庆武,刘永伟.基于DMSP/OLS与土地利用的江苏省人口数据空间化研究[J]. 长江流域资源与环境,2015,24(5):735-741.
[4] LI G, WENG Q. Using Landsat ETM+Imagery to measure population density in indianapolis, Indiana, USA[J]. Photogrammetric Engineering & Remote Sensing, 2005,71(8):947-958.
[5] 闫庆武,卞正富,张萍,等.基于居民点密度的人口密度空间化[J].地理与地理信息科学,2011,27(5):95-98.
[6] 刘建军,李春来.基于遥感和GIS的巢湖流域人口信息提取[J].科学通报,2002,47(23):1835-1837.
[7] 潘顺.长三角人口数据格网化及其人口空间分布特征分析[D].上海:上海师范大学,2016.
[8] 毛莹莹.城市人口数据空间化研究[D].福州:福建师范大学,2016.
[9] 刘焕金.基于多源数据的太湖流域人口空间化研究[D].南京:南京农业大学,2012.
[10] WRIGHT J K. A method of mapping densities of population[J].The Geographical Review, 1936:103-110.
[11] MARTIN D. Mapping population data from zone centroid locations[J]. Transactions ofthe Institute of British Geographers,1989,14(1):90-97.
[12] FLOWERDEW R, GREEN M. Developments in areal interpolation methods and GIS[J]. The Annals of Regional Science,1992,26(1):67-78.
[13] GOODCHILD M F, ANSELIN L, DEICHMANN U.A framework for the areal interpolation of socioeconomic data[J].Environment and Planning A,1993,25:383-397.
[14] LISAKA J, HEGEDUA E. Population estimates from Landsat imagery[J]. Remote Sensing of Environment,1982,12:259-272.
[15] HARVEY J T. Population estimation models based on individual TM pixels[J].Photogrammetric Engineering & Remote Sensing, 2002, 68(11):118-1192.
[16] LUNG T, LVBKER T, NGOCHOCH J K, et al. Human population distribution modelling at regional level using very high resolution satellite imagery[J]. Applied Geography, 2013, 41(4):36-45.
[17] 杨眉,王世新,周艺,等.DMSP/OLS夜间灯光数据应用研究综述[J].遥感技术与应用,2011,26(1):45-51.
[18] 王鹤饶,郑新奇,袁涛.DMSP/OLS数据应用研究综述[J].地理科学进展,2012, 10(1):11-18.
[19] ELVIDGE C D, BAUGH K E, KIG E A, et al. Relation between satellite observed visible-near infrared emissions, population,economic activity and electric power consum-ption[J]. International Journal of Remote Sensing,1997,18(6):1373-1379.
[20] SUTTON K,ROBERTS D,ELVIDGE C. Census from heaven:an estimate of the global human population using night-time satellite imagery[J]. International Journal of Remote Sensing,2001,22(16):3061-3076.
[21] BRIGGS D J, GULLIVER J, FECHT D, et al. Dasymetric modelling of small-area population distribution using land cover and light emissions data[J]. Remote Sensing of Environment, 2007, 108(4):451-466.
[22] 卓莉,陈晋,史培军,等.基于夜间灯光数据的中国人口密度模拟[J].地理学报, 2005,60(2):266-276.
[23] 曹丽琴,李平湘,张良培.基于DMSP/OLS夜间灯光数据的城市人口估算——以湖北省各县市为例[J].遥感信息,2009,2009(1):83-87.
[24] 高义,王辉,王培涛,等.基于人口普查与多源夜间灯光数据的海岸带人口空间化分析[J].资源科学,2013,35(12):2517-2523.
[25] 李翔,陈振杰,吴洁璇,等.基于夜间灯光数据和空间回归模型的城市常住人口格网化方法研究[J].地球信息科学学报,2017,19(10):1298-1305.
[26] 高倩,阿里木江·卡斯木.基于DMSP/OLS夜间灯光数据的天山北坡城市群人口分布空间模拟[J].西北人口,2017,38(3):113-120.
[27] WU C, MURRAY A T. A Cokriging method for estimating population density in urban areas[J]. Computers, Environment and Urban Systems, 2005, 29:558-579.
[28] GAUGHAN A E, STEVENS F R, LINARD C, et al. High resolution population distribution maps for Southeast Asia in 2010 and 2015[J]. Plos One, 2013, 8(2):e55882.
[29] 颜清梅.基于格网的人口空间分布特征分析[D].成都:四川师范大学,2013.
[30] 吴桂平,曾永年,邹滨,等.基于GIS的区域人口密度空间分布模拟——以张家界市永定区为例[J].测绘科学,2009,34(2):237-240.
[31] 张建辰,王艳慧.基于土地利用类型的村级人口空间分布模拟——以湖北鹤峰县为例[J].地球信息科学学报,2014,16(3):435-442.
[32] 林文棋, 陈会宴, 谢盼, 等. 基于多源数据的北京市朝阳区人口时空格局评估与预测[J]. 地球信息科学学报, 2018, 20(10):1467-1477.
[33] 许玲丽,颜梅春.多源信息多尺度视角的南京市街道级人口模拟研究[J]. 测绘通报, 2019(2):71-75.
[34] 张晓瑞,华茜,程志刚.基于空间句法和LBS大数据的合肥市人口分布空间格局研究[J].地理科学,2018, 38(11):1809-1816.
[35] 黄安,许月卿,孙丕苓,等.基于多源数据人口分布空间化研究——以河北省张家口市为例[J].资源科学,2017,39(11):2186-2196.
[36] 谭敏,刘凯,柳林,等.基于随机森林模型的珠江三角洲30 m格网人口空间化[J].地理科学进展,2017,36(10):1304-1312.
[37] 王劲峰,徐成动.地理探测器:原理与展望[J].地理学报,2017,72(1):116-134.
[38] 李欣海. 随机森林模型在分类与回归分析中的应用[J]. 应用昆虫学报, 2013, 50(4):1190-1197.
[39] 林飞娜,赵文吉,张萍.基于GIS的城市人口空间分布模型与应用——以长春市区为例[J].测绘科学,2008, 33(4):163-165.
[40] 徐凤娇.人口数据空间化格网尺度适宜性研究——以安徽省为例[D].吉林:延边大学,2017.

集成地理探测器与随机森林模型的城市人口分布格网模拟

Simulation of urban population distribution grid by integrating geodetector and random forest model

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	吕峥, 孙群, 温伯威, 马京振. 一种自身全局最优的道路网Stroke生成方法[J]. 测绘通报, 2022, 0(7): 93-99.
[3]	李慧敏, 罗大伟, 窦世卿. 利用腾讯位置大数据进行多尺度人口空间化估算[J]. 测绘通报, 2022, 0(6): 93-97.
[4]	郁宗桥, 王育红, 刘文宋, 左雨芳, 冯锋. 顾及GF-3影像纹理特征的洪涝范围提取方法[J]. 测绘通报, 2022, 0(5): 26-31.
[5]	张瑞, 李朝奎, 姚思妤, 李维贵. 融合地理探测器和地理加权回归的太原市建设用地变化因素研究[J]. 测绘通报, 2022, 0(5): 106-109,119.
[6]	贺瑜琦, 曾一笑, 陈光, 陈良超. 新型测绘视角下的山地城市规划实施场景预警模拟技术探索[J]. 测绘通报, 2022, 0(4): 11-15.
[7]	窦世卿, 陈治宇, 徐勇, 郑贺刚, 苗林林, 宋莹莹. 基于多特征融合与典型降维方法的高光谱影像分类[J]. 测绘通报, 2022, 0(4): 32-36,50.
[8]	闫明涛, 乔家君, 瞿萌, 朱乾坤, 韩冬. 黄河流域乡村社会经济与生态环境耦合协调测度及影响因素分析[J]. 测绘通报, 2022, 0(4): 101-105,116.
[9]	张定祥, 汪秀莲, 刘顺喜, 张嘉, 陈强, 李士江. 第三次全国国土调查土地利用矢量数据栅格化方法[J]. 测绘通报, 2022, 0(4): 138-144.
[10]	许志华, 逯行政, 彭远航, 杨可明, 王宇敏. 依托航空模拟平台的激光雷达技术课程实践教学装备[J]. 测绘通报, 2022, 0(4): 162-166.
[11]	冯志立, 肖锋, 卢小平, 郝波, 王如意, 朱睿. 基于随机森林特征优选的冬小麦分类方法[J]. 测绘通报, 2022, 0(3): 70-75.
[12]	王晓晓, 韩留生, 杨骥, 李勇, 张大富, 孙广伟, 范俊甫. Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取[J]. 测绘通报, 2022, 0(3): 111-115.
[13]	李少先. 利用双向布料模拟的机载建筑物点云提取[J]. 测绘通报, 2022, 0(3): 148-151.
[14]	石壮, 杜全叶, 王庆栋, 马东岭, 崔琰. 虚拟格网分类支持下的密集匹配点云布料模拟滤波[J]. 测绘通报, 2022, 0(2): 73-77.
[15]	张栋, 李德平, 周亮, 王嘉丞, 马宇, 易敏. 高精度住房空置率的地理空间影响因素定量研究[J]. 测绘通报, 2022, 0(2): 100-105.