基于珞珈一号夜间灯光数据的大连市甘井子区人口空间化研究

于婷婷

（辽宁师范大学地理科学学院，辽宁 大连116000）

人口数据空间化可以获取不同空间尺度上的人口空间分布信息，是实现人口与社会经济、资源、环境耦合的重要途径之一，对国家制定宏观决策，提高综合管理能力具有重要意义[1]。

人口空间化的方法和技术研究一直是研究热点，主要方法有空间插值法、多源数据融合法和影响因子分析法等[2]。大量研究表明夜间灯光数据与人口分布之间存在显著关系，现有夜间灯光数据有DMSP/OLS、NPP/VIIRS 和珞珈一号[3]，邹雅婧[4]等基于NPP/VIIRS 和珞珈一号两种夜间灯光数据与人口数据进行SLM建模，结果证明珞珈一号数据在人口空间化研究中具有更高的精度；李欣欣[5]等使用土地利用和夜间灯光数据分别建立人口空间化模型。大量学者运用夜间灯光数据模拟人口空间化，但方法不尽相同。王钊[6]等采用SLM模型进行人口空间化建模，王珂靖[7]等采用GWR 模型结合土地利用数据进行人口空间化建模，结果表明人口空间化精度与建模方法和格网尺度大小密切相关。目前基于珞珈一号的人口空间化模拟较少，且尚无空间滞后模型和地理加权回归模型应用于人口空间化方面的比较研究。

本文选取大连市甘井子区为研究区域，基于珞珈一号夜间灯光数据、土地利用数据数据以及人口数据，建立研究区200m×200m 格网，采用SLM和GWR 模型分别进行人口空间化建模，并对其结果进行精度评价和分析，为大连是甘井子区人口与区域政策等相关研究提供参考，为人口空间化相关研究提供参考。

1 数据来源及数据预处理

1.1 研究区概况

甘井子区，隶属于辽宁省大连市，位于大连市西部和西北部，东、南临黄海，北濒渤海，与金州区、沙河口区和旅顺口区毗邻，总面积502km2。2018 年，甘井子区下辖16 个街道，户籍人口79.8338 万人。甘井子区属大连市市内四区之一，位于城乡结合处，是大连市城市的扩展的重要区域，特殊的地理位置使得大连市甘井子区拥有良好的发展要素。

1.2 数据来源及预处理

2018 年土地利用数据来自中科院地理科学与资源研究所的资源环境科学与数据中心。人口数据来采用2018 年LandScan 全球人口动态统计分析数据库。夜间灯光数据采用2019 年珞珈一号星夜间灯光数据，来源于高分辨率对地观测系统湖北数据与应用中心，空间分辨率130 m，但其在传输过程中会存在数据辐射失真现象，因此需要进行辐射校正，辐射校正后DN 值范围为[0，82.9728]。

建立研究区域200m×200m 格网，将辐射校正后的DN 值和人口密度数据重采样到200m×200m 格网内，并统计每个格网内各类土地利用类型面积， 以上数据均投影为WGS84-UTM-51N 坐标系。

2 研究方法与模型

2.1 空间滞后回归模型

空间滞后回归（Spatial Lag Model，SLM）可以考虑人口数据的空间相关性，模型的一般形式如下：

其中，POPi为因变量，指第i 个格网的人口数量；W 为空间权重矩阵；DNi为因变量，指第i 个格网的DN 值；ρ 为空间滞后变量WPOPi的回归系数，以此确定人口分布的空间效应；β 为因变量的系数；ε 为白噪声。

2.2 地理加权回归

地理加权回归（Geographic Weighted Regression，GWR）将地理位置加入到数据的回归参数之中。模型结构如下：

其中，（ui,vi）为第i 个格网的地理中心坐标；β0（ui,vi）是第i 个自变量回归的常数项；βj（ui,vi）为第i 个自变量的第j 个回归参数；xij为第i 个因变量空间上的第j 个变量；j 为因变量参与回归的辅助数据个数；εi为误差项。

3 人口空间化结果及精度评价

通过计算得到甘井子区人口数据的Moran's 指数为0.96，为空间正相关。运用SPSS 软件分析得到人口数据与DN 值和土地利用中的居民用地面积成显著相关（p＞0.01）。

3.1 基于SLM和GWR 的人口空间化结果

运用公式（1）、（2），以人口数据作为因变量，辐射正后DN 值和居民用地面积作为自变量，进行SLM和GWR 建模得到模型拟合度R2分别为达0.95 和0.67,模型和各自变量系数的统计检验都达到了显著水平，结果如表1、图1、2 所示。

表1 空间滞后回归系数表

图1 基于空间滞后回归模型的人口空间化

图2 基于地理加权回归模型的人口空间化

3.2 人口空间化对比分析及精度分析

将两种模型对比来说，SLM以空间自相关为前提，但实际上是一种全局空间回归模型，模型中各格网系数仍相同，不能突出人口异质性。GWR 是典型的局部模型，回归系数随着变量的空间位置的变化而变化，因此GWR 模型可以更好的考虑居民用地对人口空间分布的影响，与实际更相符。对人口空间化的数据进行整理并根据公式（3）计算得到，基于SLM和GWR 模型构建的模型绝对误差为9.2%和12.5%，两种模型的精度都较高。

3.3 人口空间分布格局特征

人口空间化结果中，南关岭街道、中华路街道、泡崖街道、兴华街道、椒金山街道、甘井子街道、周水子街道和机场前街道人口密度较大，位于城市中心区域及中心边缘区域，交通便利城市发展较好，因此居民点较多人口密度较大；泉水街道、大连湾街道西部、革镇堡街道南部、辛寨子街道东部，红旗街道东部以及凌水街道东部及北部人口数量相对居中，该区域主要为城乡结合处，其中凌水街道为国家级高新技术产业开发区，吸引大量人才和投资创业者，发展较迅速；其他地方多为生态保护区和农村，因此人口数量较少。

结束语

人口空间分布受自然、社会经济等因素的影响，大部分学者都在大尺度下进行人口空间化建模，本文选用200m×200m 格网的小尺度人口空间化建模，且运用两种建模方式比较小尺度下两种建模方式的精度并分析其原因。另外，夜间灯光辐射率和人口数据关系往往只是在局部范围内呈线性相关，人口空间分布还受多种因素影响，因而在探究人口空间化的方法和技术中还需要进一步优化。