基于多源遥感数据和DEM的沱江流域人口分布与地形起伏度关系研究
王海力, 韩光中, 谢贤健
内江师范学院 地理与资源科学学院,四川 内江 641112

作者简介:王海力(1986-),男,四川人,硕士,实验师,主要研究方向为区域变化与可持续发展研究.E-mail:hailiwer@sina.com.

摘要

地形起伏度是反映地形特征的重要指标,对人口空间分布有着重要影响.基于GIS/RS技术,集成DMSP/OLS灯光数据、NDVI等多源遥感数据对沱江流域人口统计数据进行了空间化,并从DEM中提取地形起伏度,通过定性和定量的分析方法,分析了人口密度与地形起伏度之间的关系.结果表明:人口空间分布值域介于496.67~9896.4km-2之间,其空间分布特征呈现出从城区中心向周围逐渐递减的态势,精度验证表明,人口空间分布具有一定的客观性和精确性.地形起伏度值域介于0.229~7.054之间,且由北向南逐渐减小的空间分布态势.人口空间分布与地形起伏度的关系分析表明:两者之间存在显著负相关关系,其关系散点图呈现“L”状分布.当地形起伏度为0.805时,两者关系出现拐点,即地形起伏度大于0.805时,人口空间分布陡然降低,单位面积内人口数呈现平缓减少的空间分布态势.对地形起伏度进行自然间断点5级分类后发现,地形起伏度前3级(0.229~0.509)的区域占全区总面积79.85%,分布着占全区88.23%的人口数.

关键词: 多源遥感数据; 数字高程模型(Digital Elevation Model,DEM); 人口分布; 地形起伏度; 沱江流域
中图分类号:P966 文献标志码:A 文章编号:0258-7971(2017)06-1001-11
Research on relationship between population distribution and the Relief Degree of Land Surface based on multi-source remote data and DEM:A case study of Tuojiang River Basin,China
WANG Hai-li, HAN Guang-zhong, XIE Xian-jian
College of Geography and Resources Science,Neijiang Normal University,Neijiang 641112,China
Abstract

As an important factor of terrain character description,the Relief Degree of Land Surface (RDLS) has important effect on the population spatial distribution.In this paper,multi-source data like DMSP/OLS lighting data,NDVI,etc was integrated by the method of Geographical information system(GIS) and remote sensing(RS) technology,to inversing the statistical population to the population spatialization in Tuojiang River Basin,and the RDLS in basin was extracted from DEM.The relationship between population specialization and RDLS was analyzed through the analysis method of qualitative and quantitative.The results showed that the range of population spatial distribution characteristics is between 496.67km-2 and 9896.4km-2,and there is the trend of the spatial distribution characteristics which degrees as the city center to the surrounding.RDLS better reflect the terrain distribution feature of study area,its range is between 0.229 and 7.054,with the trend of decreased from north to south.The characteristics of RDLS were same as the characteristics of terrain area.There are significant negative correlation relationship between the population spatial distribution and RDLS and the scatter diagram between the two shaping the alphabet ‘L’.The relationship have a turning point when the RDLS located in 0.805,it means that the RDLS greater than 0.805,the number of population spatial distribution is sudden drop,reduce population per unit area,and present a gentle decrease the spatial distribution of momentum.Using the method of natural breakpoint to classified the RDLS to 5 level,and the population spatial distribution in different terrain area was analyzed.There was a phenomenon of significant difference of the population distribution in different terrain area.79.85% areas in total area were located in the top three levels of RDLS area,But it distribute the accounts of 88.23% population of the total population,namely,the RDLS was belonged to the interval of (0.229—0.509).

Keyword: multi-source remote data; DEM; population distribution; the relief degree of land surface; Tuojiang river basin

沱江是长江上游左岸的重要支流之一, 是长江上游重点生态屏障建设区和四川经济发展重要区域, 流域内地形地貌环境复杂, 土地的人口承载力和开发强度大.沱江流域的社会经济状况对整个四川省的社会经济发展有着战略性的影响, 人口、资源、环境三者相协调是区域经济合理、健康、可持续发展的关键[1].因此, 对该区域的人口空间分布特征与地形起伏度之间的关系进行分析, 可探明人口空间分布特征, 为区域社会经济发展规划提供参考.

人口空间分布是表征区域人口分布最直接的指标之一.长期以来, 以行政区划为单元进行统计的人口数据很难与空间格网形式存储的地形地貌数据进行融合、叠置分析, 人口统计数据空间化能够有效解决这一问题[2].地形起伏度是表征区域地形地貌起伏特征的重要指标, 科学建立区域人口与地形起伏度之间的联系, 定量分析两者的关系, 有助于掌握区域人口空间分布特征与地形地貌之间的关系.学界对人口空间化研究主要集中在建立行政单元的统计人口与不同影响因素之间关系模型, 并将人口数离散化到行政区域内规则格网上, 对人口空间化的模型方法主要有多元数据融合法[2, 3]、土地利用类型影响模型法[4, 5]、遥感估算法[6, 7, 8]、移动通讯基站法[9]等, 其中利用遥感估算方法深受国内外学者青睐.近年来, 随着GIS(Geography Information System)与RS(Remote Sensing)技术的快速发展, 为人口空间化提供了有效工具, 相关研究成为国际学术前沿.在遥感数据源中, 常用于反演人口空间分布的影像为美国军事气象卫星Defense Meteorological Satellite Program(DMSP)搭载的传感器Operational Linescan System(OLS)所获取的地面夜间灯光数据[2, 10, 11], 1年期稳定夜间灯光数据能有效地反应区域常住人口的空间分布; 在空间化人口时, 对人口集聚区有较强的控制作用, 但对于偏远山区的人口空间化控制力较差.

地形起伏度应用较为广泛[12, 13, 14], 前人在具体工作中, 将地形起伏度作为其划分地形地貌的重要基础数据[15].地形起伏度作为影响人口分布的重要因素之一, 是人居环境自然评价的重要指标, 在小尺度人居环境自然评价方面具有较高的准确性和使用价值[16].根据区域地形特征以及本文应用目的, 确立人居环境背景下地形起伏度的提取方法[16, 17, 18], 以提取地形起伏度空间分布特征.由以上分析可知:对人口空间分布与地形起伏度之间进行定量化研究, 关键在于如何对统计人口数进行科学空间化, 以及科学提取地形起伏度.

基于此, 本文以沱江流域2013年夜间灯光数据以及其他遥感数据为基础, 结合沱江流域2013年年末县级行政区域内统计人口总数, 对沱江流域人口进行空间化, 并利用研究区30m分辨率的数字高程模型(DEM)提取沱江流域地形起伏度, 开展沱江流域人口空间分布与地形起伏度之间的关系研究, 以期为区域社会经济发展规划提供参考.

1 研究区概况及数据来源
1.1 研究区概况

沱江流域位于27° 39'~31° 42'N、103° 54'~105° 44'E, 是长江流域上游的重要支流, 干流全长629km.该流域源起于邛崃山系岷山山脉, 上游支流呈现树状结构, 主要来源于绵竹、什邡、彭州、都江堰等县, 以金堂、内江为分界点, 分为上、中、下游, 途径龙门山褶断带、龙泉山脉、四川台坳等地带, 全流域大小支流60余条, 面积约278万km2.流域内地形崎岖、地貌复杂, 分为山地、平原、山地、低山丘陵、中山丘陵[1], 海拔高程在160~4810m之间, 研究区位置图及DEM如图1所示.沱江流域流经四川9市的15个市辖区、6个县级市、16个县级行政单元, 包括金牛区、金堂县等35个区、县[19].2013年沱江流域总人口数为2671.3万人, 占四川省总人口数8107万的32.95%, 人口数最大值为安岳县162.6万人, 最小值为贡井区29.7万人; 最大统计人口密度为成都市金牛区6934.26km-2, 最小人口密度为宜宾县, 340.24km-2(图2 (a)).全流域GDP总量为9264.02亿元, 占四川省26260.77亿元的35.28%, 由此可知, 沱江流域区域对四川省社会、经济发展有着重大贡献.

图1 沱江流域区位图Fig.1 Location of Tuojiang Basin

图2 研究区数据Fig.2 Data of Study Area

1.2 数据源

所涉及到的数据均为2013年数据, 主要有:①各区、县统计人口数, 来源于《2014年四川统计年鉴》, 经过人口密度计算后, 获得各区县统计人口密度(图2(a)).②DMSP/OLS夜间稳定灯光数据(图2(b)), 分辨率为1km, 由美国国家地球物理数据中心(NGDC)提供.③6月下旬MODIS_NDVI 16天合成产品数据(图2(c)), 分辨率为500m, 来源于中国科学院地理数据共享平台— — 地理空间数据云网站.④DEM(分辨率为30m)数据(图1), 来源于中国科学院地理数据共享平台— — 地理空间数据云.⑤土地利用类型数据(图2(d)), 分辨率为30m, 由2013年7— 8月份Landsat8遥感影像解译获得, 由于部分影像质量较差, 选取前后两年的相同时间段内的影像进行解译; 解译时, 先对影像进行辐射校正-几何校正-投影转换预处理, 然后采用神经网络分类进行计算机监督分类, 并参考Google earth中的SPOT5影像进行人工目视修改, 解译结果总体精度为82.7%, Kappa系数为0.792, (图2(d)), 所有数据采用WGS84地理坐标系.

2 研究方法

首先, 利用GIS/RS相结合的方法, 集成人口统计数据、夜间灯光数据、土地利用数据、NDVI数据多元数据对沱江流域人口统计数据进行空间化.其次, 利用地形起伏度模型从DEM中提取地形起伏度.最后, 通过定性和定量的分析方法对人口空间分布数据以及地形起伏度分布特征之间的关系进行分析, 论文思路框图如图3所示.考虑到研究区实际情况及数据分辨率一致性, 确定人口空间化栅格单元为1km× 1km.

图3 论文思路框图Fig.3 The diagram of this paper

2.1 人口空间化研究

根据DMSP/OLS夜间灯光数据、土地利用数据、MODIS-NDVI 500m分辨率数据构建人居指数(Human Settlement Index, HSI).考虑人类活动规律, 并参考已有研究成果[20], 将较大面积的水域、郁闭度高的林地、裸岩等不适宜人居的环境予以剔除, 以保证空间化人口分布在是以居住区.其次, 以沱江流域县域行政分区为单元, 计算各区域平均人居指数密度, 并与各县域统计人口密度进行回归分析, 构建人居指数密度和统计人口密度间的回归模型; 利用该回归模型参数和人居指数空间分布特征, 反演沱江流域人口密度空间分布; 最后, 利用各县域人口统计数据进行校正预测结果, 构建零误差人口密度空间分布特征.

2.1.1 人居指数构建 人居指数(HSI)由夜间灯光数据与NDVI数据通过公式(1)计算获得[20], 利用NDVI协助构建人居指数的方法能防治夜间灯光指数据过饱和而引起的结果偏差问题.为了提高适宜人居环境测算面积的准确性, 剔除不适宜人居的空间.具体操作时, 根据土地利用数据, 将大面积的水域和裸岩进行剔除, 根据NDVI值将郁闭度高的林地予以剔除, 根据该区域NDVI值的分布特征, 参照SPOT5的高分辨率遥感数据, 多次调试后, 确定NDVI剔除阈为0.815[2, 20, 21].夜间灯光数据值域在0~63之间, 为了OLS数据与NDVI数据量纲进行统一, 将其归一化到0~1之间.人居指数

HSI= (1-NDVI)+OLSnor(1-OLSnor)+NDVI+OLSnor×NDVI, (1)

式中:NDVI为经过处理后的NDVI空间分布数据, 为夜间灯光数据标准化为0~1间的数据.

2.1.2 人口空间化模型 以县、区级行政区域为单元, 利用各县人居总指数除以人居总指数面积, 获得各县平均人居指数 HSI¯, 再与各县、区统计人口密度做回归分析, 构建人口空间化回归模型[20, 21, 22].本文根据回归模型拟合参数R2确定具体模型类型, 利用构建的回归模型参数和人居指数空间分布数据, 反向计算, 获取人口空间化数据.最后, 以县、区为控制单元, 通过各县、区人口统计数据对各区县范围内的人口空间分布进行误差校正, 误差校正公式如(2)所示:

p'=pf+(psta-pfsta) HSIHSIall, (2)

式中, p'为某一区、县校正误差后的人口空间分布; pf为对应县、区反演人口空间分布特征; psta为对应县、区内统计总人口数; pfsta为对应县、区内反演人口总数; HSIall为对应区、县人居指数总和, HSI为对应县、区内单个栅格单元的人居指数.

2.2 地形起伏度提取

沱江流域地形起伏度差异较大, 在前人研究基础上并结合本研究目的, 借助GIS空间分析中的窗口分析法对地形起伏度进行测算.为了将区域总面积与人口空间化结果相结合, 确定地形起伏度计算分析窗口为1km× 1km.具体算法如式(3)所示[16]:

RDLS= hmeam1000+ (hmax-hmin)(1-Sp/S)500, (3)

式中:RDLS为地形起伏度; hmean为千米网格范围内的平均海拔(m); hmaxhmin分别为区域内的最高与最低海拔(m); Sp为千米网格范围内的平地面积(km2); 本研究将坡度小于等于5° 的区域确定为平地; S为千米格网面积1km2.

3 结果与分析
3.1 人口空间化结果与分析

对各区、县的平均人居指数 HSI¯与统计人口密度进行回归模型拟合, 选择线性回归模型、指数回归模型、对数回归模型、多项式回归模型等4种模型进行回归模拟(图4).4种模型中, 多项式拟合参数R2最大, 为0.8918; 因此, 选择多项式模型及其参数对人口统计数据进行空间化, 人口空间化模型为p=403.9× HSI2-84.013× HSI+747.64(p为人口空间化结果, HSI为人居环境指数空间分布特征).最后, 根据公式(2)模型对人口空间化结果进行零误差校正, 获取校正后的沱江流域人口空间分布结果, 如图5所示.

图4 回归模型模拟结果Fig.4 Simulate result of regression model

图5 人口密度空间分布特征Fig.5 Spatial distribution characteristics of population density

由人口空间分布特征可知:沱江流域人口密度值域区间在496.67~9896.4km-2之间, 平均值为866.55km-2.从人口空间分布特征可以看出:人口高值区域主要分布在各区、县城建区内, 主要分布在以成都为中心的区、县, 金牛、龙泉驿区、青白江区、新都区、旌阳区、广汉市区、自贡市区、内江市区等城市的中心区域.在城区, 社会经济较为发达, 人口集中程度高, 分布较密集; 而在地形起伏度较大、远离城市的地区人口空间分布较少.可见, 基于OLS灯光数据、NDVI等多元数据对人口统计数据进行空间离散化, 其结果符合城市人口多而集中, 郊区人口少而分散的实际状况, 说明空间化结果具有一定的客观性.对人口空间化结果进行交汇统计, 并与统计总人口数据的一般性特征值进行误差对比分析(表1), 经过人口0误差校正后, 各区、县离散化总人口与实际总人口之间误差均较小, 其中金堂县误差最大, 为-3.79人, 都江堰市误差最小, 误差值为0.01人, 全区误差总和为6.18人, 说明人口空间化结果具有一定的精确性, 空间化人口密度最高值出现在金牛区, 该区域最大值为9896.40人, 平均人口密度达6909.41km-2, 最小人口密度出现在宜宾县, 为500.97km-2.由空间化人口密度与统计人口密度(图6)的线性散点图相关性检验可知, 其R2达到0.9646, 说明人口空间化结果与统计人口密度之间具有较高的一致性.

图6 客观性检验Fig.5 Objectivity inspection

表1 空间化人口信息与统计人口信息比较分析 Tab.1 Comparative analysis of population specialization information and the statistical information
3.2 地形起伏度分析

根据地形起伏度计算公式, 计算沱江流域地形起伏度, 沱江流域地形起伏度在0.229~7.054之间.根据自然间断点分级法(Jenks)将其分为5级, 一级 0.229~0.356, 二级0.356~0.503, 三级0.503~0.633, 四级0.633~0.834, 五级0.834~7.064(图7).沱江流域地形起伏度有由北向南逐渐减小的空间分布态势, 以龙门山为界, 大致分为南北两大分区.北区地形起伏度由北向南分别为五、四、三、二级的阶梯状分布态势, 规律性较强, 中部主要是成都平原, 地形平坦, 地形起伏度较小.南区面积广大, 地形起伏度由北向南逐渐降低, 高值区域主要分布在龙门山、龙泉山、云贵高原过渡地带以及部分山地区域, 占面积较大的区域为一级和二级的分区, 其中一级分区主要分布在沱江和长江的交汇地带, 多为冲击平原, 地形平坦.中部地形起伏较大的区域, 主要为内江市境内的龙泉山地形区.在流域的西南部地形起伏度较高, 该地区为四川盆地与云贵高原的过渡地带, 地形地貌起伏较大.

图7 地形起伏度空间分布特征Fig.7 The spatial distribution characteristics of RDLS

3.3 地形起伏度与人口密度的关系分析

将沱江流域人口密度反演结果与地形起伏度之间进行散点图关系分析, 其散点图如图8所示.由图可知, 沱江流域人口空间分布与地形起伏度之间呈现出“ L” 状的散点图关系, 人口空间分布高值区域主要分布在地形起伏度为0~1的区域, 呈现高度集中的态势.从“ L” 状散点图分布可以看出, 当地形起伏度为0.805时, 人口空间分布的栅格频率陡然降低, 出现人口分布拐点, 可见, 人口空间分布与地形起伏度之间的重要关系特征.随着地形起伏的增加, 人口数呈现陡减趋势, 随着地形起伏度的增大, 人口密度空间分布呈现平缓减少趋势.说明沱江流域人口空间分布受地形起伏度的影响较大.对人口空间分布与地形起伏度进行空间统计, 地形起伏度为前三级别(0.229~0.633)区域, 占全区面积的79.85%, 但分布的人口数占总人口数的88.23%, 说明地势低平的区域承载着全流域绝大部分的人口数.利用SPSS17.0软件对全区人口密度分布结果与地形起伏度结果之间进行pearson相关性检测, 在置信水平α =0.01水平检测水平下, 相关系数ρ =-0.055* , 其显著性概率为0.根据相关系数检测的指标说明可知[24], 地形起伏度与人口密度空间分布之间存在显著负相关关系, 即地形起伏度小的区域人口密度大, 地形起伏大的区域人口密度小, 这与人口在平坦区域居住的客观实际相符, 说明本文反演的人口密度空间分布具有一定的客观性.本文将所有栅格单元的离散化人口与地形起伏度纳入相关系数计算模型, 共有30752个栅格单元数, 进入模型的样本量大, 从而导致相关性系数偏低.

图8 人口密度和地形起伏度关系散点图Fig.8 Scatter diagram between population density and RDLS

对各地形区人口空间分布特征进行统计, 结果如表2所示.5个地形起伏度分区中, 面积最大的为第二地形区, 面积为18423km2, 占全区面积的48.72%; 第四地形区面积最小, 面积为2760km2占全区面积的7.30%.在各地形区中, 总人口数分布最多的为第二级地形区, 人口数为1426.71万人, 占总人口53.40%; 总人口分布第二高值区为第三级地形区, 人口总数为477.46万人, 占总人口数的17.88%, 总人口分布最少的区域为第五级地形区, 人口总数为147.89万人, 占人口总数的5.54%.

表2 地形起伏度与人口密度空间分布统计结果 Tab.2 Statistic result of spatial distribution characteristics between population density and RDLS

由以上分析可知, 5个地形区人口分布占比大小分别为二、三、一、四、五, 人口主要分布在二、三地形区上, 第二、三地形区面积占全区面积64.57%, 承担着全区71.28%的人口; 累计到排序第三的地形区(二、三、一)时, 其面积占全区面积79.85%, 分布的人口数占总人口数的88.23%.这些区域主要集中在流域上游的成都平原、沱江中游区、县中, 海拔适中, 地形起伏度较适中, 排水条件优于第一地形区, 其优越的地形气候条件, 适宜人类居住.地形起伏度最小的第一地形区, 主要分布在沱江流域下游与长江流域交汇的区域, 该区域海拔较低、且大多为河流冲击平原, 地形起伏度小, 适宜人口居住, 平均人口密度分布较大, 但受河流地形的影响, 平坦区域面积较小, 难以形成大规模的城市群.此外, 地形平坦的区域, 不利于排水, 湿度较大, 加之湿热的气候条件, 使得地形最为平坦的区域人口分布相对较少.第四地形区和第五地形区主要分布在邛崃山山系岷山山脉、龙门山、龙泉山、西南部和南部部分山川河谷地区, 高海拔、地形起伏大, 不适宜人类居住, 因此, 人口分布均较小.

4 结果与讨论

本文利用GIS/RS技术, 集成多元数据对沱江流域各区县人口统计数据进行了空间化, 并从DEM中提取沱江流域地形起伏度; 通过定性和定量的分析方法, 对沱江流域的人口空间分布与地形起伏度之间关系进行了分析.结果表明:

(1) 沱江流域人口空间化结果表明:基于夜间灯光数据、土地利用数据、NDVI多元数据对人口统计数据进行空间化, 能使人口空间分布结果最大限度的接近自然分布状态, 人口空间化结果有随着建成区向周围偏远地区逐渐递减的趋势.

(2) 基于DEM提取的地形起伏度较好的反映了研究区内地形分布特征, 其值域在0.229~7.054之间, 地形起伏度有由北向南逐渐减小的空间分布态势.高值区主要集中在邛崃山山系岷山山脉、龙门山、龙泉山、以及西南和南部的山川河谷地带; 以龙门山为界, 大致分为南北2大分区, 北区为岷山与龙门山之间, 分区中部地形起伏度主要为三级和二级; 南区面积广大, 地形起伏度主要为二级和一级.

(3) 人口密度与地形起伏度的关系分析表明, 两者之间存在极显著负相关关系, 即人口密度随着地形起伏度的增大而减小, 地形起伏度越小, 单位面积内人口分布越多.人口空间分布与地形起伏度之间呈现“ L” 状的散点图, 当地形起伏度为0.805时, 出现人口空间分布拐点, 即人口分布数陡然降低, 单位面积内人口数减少, 并呈现出平缓减少的空间分布态势.地形起伏度为前三级别(0.229~0.633)区域, 占全区面积的79.85%, 分布的人口数占总人口数的88.23%.各地形起伏度分区中, 人口密度空间分布差异显著.

沱江流域地貌类型多样, 地形起伏度区域差异较大, 地形起伏度分布特征规律性强.将全区所有格网的地形起伏度与空间化人口密度做相关性分析可知, 两者关系通过了0.01水平的显著性检验, 呈现显著负相关关系, 这与周自翔等[16]、游珍等[23]的研究结果一致.但本研究所得到的相关系数低于前人研究, 且人口空间分布规律与地形起伏度之间呈现“ L” 状的散点图分布关系, 这与该区域山地、丘陵、盆地相间分布的地形地貌特征, 以及沱江流域特殊的气候特征息息相关.在对人口空间化方案中, 本文基于人居环境指数, 采用了回归预测模型进行人口空间化, 所得初始人口密度误差较大, 进一步利用误差校正模型对各区、县离散人口进行校正后获得较高精度的人口空间分布结果.此外, 在进行人口空间化时, 将人类难以居住的土地空间予以剔除, 因此, 所得结果能更好的服务于区域资源、社会经济发展规划.受研究尺度及数据源分辨率影响, 本文获得人口空间化结果分辨率为1km, 成果可适使用于大区域尺度的规划数据支持.今后, 在针对小区域尺度的研究中, 应采用高分辨率的遥感数据源, 以获得高分辨率的人口空间分布数据, 为小区域尺度的规划提供数据支持.

The authors have declared that no competing interests exist.

参考文献
[1] 吴文恒, 牛淑文, 郭晓东, . 中国人口与资源环境耦合的演进分析[J]. 自然资源学报, 2006, 21(6): 853-861.
WU W H, NIU S W, GUO X D, et al. Evolutional analysis of coupling between populationand resource-environment in China[J]. Journal of Natural Resources, 2006, 21(6): 853-861. [本文引用:2]
[2] 杨续超, 高大伟, 丁明军, . 基于多源遥感数据及DEM的人口统计数据空间化——以浙江省为例[J]. 长江流域资源与环境, 2013, 22(6): 729-735.
YANG X C, GAO D W, DING M J, et al. Modeling population density using multi-sensor remote sensing data and DEM: A case study of Zhejiang Province[J]. Resources and Environment in the Yangtze Basin, 2013, 22(6): 729-735. [本文引用:4]
[3] YUE T X, WANG Y A, CHEN S P, et al. Numerical simulation of population distribution in China[J]. Populationg & Environment, 2003, 25(2): 141-163. [本文引用:1]
[4] 田永中, 陈述彭, 岳天祥, . 基于土地利用的中国人口密度模拟[J]. 地理学报, 2004, 59(2): 283-292.
TIAN Y Z, CHEN S P, YUE T X, et al. Simulation of chinese population density based on land use[J]. Acta Geographia Sinica, 2004, 59(2): 283-292. [本文引用:1]
[5] 唐华秀, 马劲松, 战金艳, . 江苏省人口数据空间离散化研究及其精度分析[J]. 长江流域资源与环境, 2008, 17(4): 506-510.
TANG H X, MA J S, ZHAN J Y, et al. Interpolation of the population data from census and acuracy validation: A case study in Jiangsu Province[J]. Resources and Environment in the Yangtze Basin, 2008, 17(4): 506-510. [本文引用:1]
[6] TOWNSEND A C, BRUCE D A. The use of night-time lights satellite imagery as a measure of Australia's regional electricity consumpti on and population distribution[J]. International Journal of Remote Sensing, 2010, 31(16): 4459-4480. [本文引用:1]
[7] 陈晴, 侯西勇. 集成土地利用数据和夜间灯光数据优化人口空间化模型[J]. 地球信息科学学报, 2015, 17(11): 1370-1377.
CHEN Q, HOU X Y. An improved population spatialization model by combining land use data and DMSP/OLS data[J]. Journal of Geo-information Sience, 2015, 17(11): 1370-1377. [本文引用:1]
[8] HARVEY J T. Estimating census district populations from satellite imagery: Some approaches and limitations[J]. International Journal of Remote Sensing, 2010, 23(10): 2071-2095. [本文引用:1]
[9] 毛夏, 徐蓉蓉, 李新硕, . 深圳市人口分布的细网格动态特征[J]. 地理学报, 2010, 65(4): 443-453.
MAO X, XU R R, LI X S, et al. Fine grid dynamic features of population distribution in Shenzhen[J]. Acta Geographia Sinica, 2010, 65(4): 443-453. [本文引用:1]
[10] LETU H, HARA M, YAGI H, et al. Estimating energy consumption from night time DMPS/OLS imagery alter correcting for saturation effects[J]. International Journal of Remote Sensing, 2010, 31(16): 4443-4458. [本文引用:1]
[11] CAO X, WANG J M, CHEN J, et al. Spatialization of electricity consumption of China using saturation-corrected DMSP-OLS data[J]. International Journal of Applied Earth Observation and Geoinformation, 2014, 28(1): 193-200. [本文引用:1]
[12] FENG Z M, TANG Y, YANG Y Z, et al. Relief degree of land surface and its influence on population distribution in China[J]. Journal of Geographical Sciences, 2008, 18(2): 237-346. [本文引用:1]
[13] SAHA A K, GUPTA R P, SARKAR I, et al. An approach for GIS-based statistical land slide susceptibility zonation: With a case study in the Himalayas[J]. Land slides, 2005, 22(1): 61-69. [本文引用:1]
[14] 封志明, 唐焰, 杨艳昭, . 中国地形起伏度及其与人口分布的相关性[J]. 地理学报, 2007, 62(10): 1073-1082.
FENG Z M, TANG Y, YANG Y Z, et al. The relief degree of land surface in China and its correlation with population distribution[J]. Acta Geographica Sinica, 2007, 62(10): 1073-1082. [本文引用:1]
[15] 陈志明, 刘振东, 于秀波. 中国地貌全图研制[J]. 地图, 1995(1): 36-38.
CHEN Z M, LIU Z D, YU X B. China’s geomorphic map development[J]. Map, 1995(1): 36-38. [本文引用:1]
[16] 周自翔, 李晶, 任志远. 基于GIS的关中-天水经济区地形起伏度与人口分布研究[J]. 地理科学, 2012, 32(8): 951-957.
ZHOU Z X, LI J, REN Z Y. The relief degree of land surface and population distribution in Guanzhong-Tianshui economic region using GIS[J]. Scientia Geographica Sinica, 2012, 32(8): 951-957. [本文引用:4]
[17] 封志明, 张丹, 杨艳昭. 中国分县地形起伏度及其与人口分布和经济发展的相关性[J]. 吉林大学社会科学学报, 2011, 51(1): 146-151.
FENG Z M, ZHANG D, YANG Y Z. Relief degree of land surface in China at county level based on GIS and its correlation between population density and economic development[J]. Jilin University Journal Social Sciences Edition, 2011, 51(1): 146-151. [本文引用:1]
[18] 王玲, 吕新. 基于DEM的新疆地势起伏度分析[J]. 测绘科学, 2009, 34(1): 113-116.
WANG L, LYU X. Analysis of the relief amplitude in Xinjiang based on digital elevation model[J]. Science of Surveying and Mapping, 2009, 34(1): 113-116. [本文引用:1]
[19] 谢贤健. 沱江流域城市化水平的综合评价及其时空演化特征[J]. 安徽农业科学, 2011, 39(22): 13773-13776.
XIE X J. Synthesized evaluation and tempo-spatial evolution characteristics of urbanization level in Tuojiang River watershed[J]. Journal of Anhui Agri Sci, 2011, 39(22): 13773-13776. [本文引用:1]
[20] 赵利利, 孟芬, 马才学. 基于多源遥感数据的武汉市人口空间分布格局演化[J]. 地域研究与开发, 2016, 35(3): 160-165.
ZHAO L L, MENG F, MA C X. The analysis on spatial distribution and evolution of the population in Wuhan City based on multi-source remote sensing data[J]. Areal Research and Development, 2016, 35(3): 160-165. [本文引用:4]
[21] LU D, TIAN H, ZHOU C, et al. Regional mapping of human settlements in southeastern China with multisensory remotely sensed data[J]. Remote Sensing of Environment, 2008, 112(9): 3668-3679. [本文引用:2]
[22] 韩向娣, 周艺, 王世新, . 夜间灯光遥感数据GDP空间化处理方法[J]. 地球信息科学学报, 2012, 14(1): 128-136.
HAN X D, ZHOU Y, WANG S X, et al. GDP spatialization in China based on light time imagery[J]. Journal of Geo-information Sience, 2012, 14(1): 128-136. [本文引用:1]
[23] 游珍, 封志明, 姜鲁光, . 澜沧江-湄公河流域人口分布及其与地形的关系[J]. 山地学报, 2014, 32(1): 21-29.
YOU Z, FENG Z M, JIANG L G, et al. Population distribution and its spatial relationship with terrain elements in Lancang-Mekong River Basin[J]. Mountain Research, 2014, 32(1): 21-29. [本文引用:1]
[24] 徐建华. 计量地理[M]. 北京: 高等教育出版社, 2006.
XU J H. Quantity geography[M]. Beijing: Higher Education Press, 2006. [本文引用:1]