以广州市为例,基于NPP/VIIRS夜间灯光、土地利用、POI(Points of Interest)等自然地理和社会经济因素,构建了人口空间化指标体系,采用主成分赋权法确定人口分布权重,利用GIS技术对人口统计数据进行了空间化处理。结果显示:综合考虑了自...以广州市为例,基于NPP/VIIRS夜间灯光、土地利用、POI(Points of Interest)等自然地理和社会经济因素,构建了人口空间化指标体系,采用主成分赋权法确定人口分布权重,利用GIS技术对人口统计数据进行了空间化处理。结果显示:综合考虑了自然地理和社会经济因素的人口空间化结果与真实的人口空间格局相吻合,空间分辨率为30 m,且相对误差绝对值<25%的乡镇有62个,所占比例为36.47%;而不加POI数据得到的人口空间化结果,相对绝对值<25%的乡镇有33个,所占比例约为20%,精度明显降低。结果表明:1)综合考虑NPP/VIIRS夜间灯光、土地利用、POI等自然地理和社会经济因素,有助于实现精度较高的人口空间化结果;2)将能够反映微观细节信息的POI数据引入人口空间化研究,扩展了人口空间化的数据源,并且可以提高人口空间化结果的精度。展开更多
文摘以广州市为例,基于NPP/VIIRS夜间灯光、土地利用、POI(Points of Interest)等自然地理和社会经济因素,构建了人口空间化指标体系,采用主成分赋权法确定人口分布权重,利用GIS技术对人口统计数据进行了空间化处理。结果显示:综合考虑了自然地理和社会经济因素的人口空间化结果与真实的人口空间格局相吻合,空间分辨率为30 m,且相对误差绝对值<25%的乡镇有62个,所占比例为36.47%;而不加POI数据得到的人口空间化结果,相对绝对值<25%的乡镇有33个,所占比例约为20%,精度明显降低。结果表明:1)综合考虑NPP/VIIRS夜间灯光、土地利用、POI等自然地理和社会经济因素,有助于实现精度较高的人口空间化结果;2)将能够反映微观细节信息的POI数据引入人口空间化研究,扩展了人口空间化的数据源,并且可以提高人口空间化结果的精度。
