社会经济数据空间化研究进展

李 飞，张 树 文，＊，杨 久 春，王 晴

（1.吉林大学地球科学学院，吉林 长春 130021；2.中国科学院东北地理与农业生态研究所，吉林 长春 130102）

0 引言

传统的社会经济数据在地学研究和使用中存在着数据结构不一致、空间单元不匹配和数据在空间单元内均一化等问题［1－5］，而社会经济数据的空间化是解决这些问题的一个有效方法。社会经济数据的空间化就是通过统计型的社会经济数据，采用适宜的参数和模型方法，反演出社会经济数据在一定时间和一定地理空间中的分布状态的过程，其实质就是创建区域范围内连续的社会经济数据表面。

Goodchild等于1993年提出在GIS支持下以面插值方法进行社会经济数据空间化的技术框架［6］。1994年召开的全球人口制图研讨会达成共识，并于1995年建立了全球人口数据库（GPW），GPW数据以国家为单元逐个生成，然后将每个国家的数据集成合并，得到全球人口栅格数据。美国橡树岭国家实验室（ORNL）1998年研制开发的LandScan是第一个世界范围内的30″的数据集，自2000年以后，该数据集每年更新一次［7，8］。由多个数据中心组成的全球资源信息数据库（UNEP／GRID），以人口密度与通达性的强相关为基本假设，构建了人口密度分布模型。基于DMSP／OLS夜间灯光数据的研究也成为社会经济数据空间化的一个重要流派［9－13］。

国外的研究强调社会经济数据空间化的多学科、跨学科应用，而国内的研究尚处于探索性阶段，较注重方法试验。经过20多年的发展，国内学者提出了10余种社会经济数据空间化模型，主要集中在人口数据空间化［14－22］、GDP 数据空间化［23－25］和其他属性数据的空间化［26－32］。分析目前国内社会经济数据空间化研究的文献，根据其研究内容、方法和深度的不同，可将其空间化思想分为空间插值模型、土地利用／土地覆被影响模型、多源数据融合模型、遥感反演法四大类。

1 空间化尺度的选取

对社会经济数据进行空间化时，栅格单元大小直接影响着最终模拟结果的精度，同时也决定了建模过程中计算量与最终获得数据量的大小［22］。格网尺度并非越小越好。因为格网尺度越小，对影响社会经济状况因子的要求越精细，必然增加计算量，造成数据冗余，而且由于统计数据分辨率的限制，无法对过小尺度的格网数据模拟结果进行检验。但如果格网尺度过大，则很难反映社会经济数据在空间上的实际分布。因此，无论采用何种空间化方法对社会经济数据模拟，都必须先选取空间化格网的尺度。

目前，由于空间化研究区域较大，受各种因素的影响，国内针对社会经济数据空间化的格网大多为公里格网，常见的格网尺度有1km×1km、500m×500m、250m×250m、100m×100m、50m×50m、25m×25m等。其中国家尺度的社会经济数据分布格网多为1km×1km，省市县级中小尺度的社会经济数据空间化的格网尺度从1km×1km至25m×25m不等［5］。闫庆武等在对丰县人口密度进行空间化时，分别以0.1°×0.1°、0.05°×0.05°、0.025°×0.025°、0.0125°×0.0125°、0.00625°×0.00625°栅格密度划分栅格，并采用栅格单元面积权重内插法分别模拟出相应的人口密度，栅格尺度越小，模拟出的人口密度与原始人口密度越相近［33］。叶靖等以浙江省义乌市为研究区，分别从CBERS（19.5m空间分辨率）、IRS－P5（2.5m 空间分辨率）卫星影像提取了研究区内的土地利用信息，生成了20m×20m至1km×1km系列的格网人口数据，通过比较不同格网尺度的模拟人口与实际人口的误差发现，采用CBERS影像对人口数据进行空间化，其适宜的格网尺度为200m×200m，采用IRS－P5卫星影像对人口数据进行空间化，其适宜的格网尺度为100m×100m［34］。金君等指出，在城镇中，格网要覆盖到居委会所管辖的居住小区；在乡村中，格网单元要与自然村落的大小相当［22］。另外，高占慧根据土地利用信息在转换为不同栅格大小（50m×50m、100m×100m、200m×200m、500m×500m、1km×1km）栅格图时的损失量，确定了统计数据空间化的适宜格网尺度［35］。简而言之，进行社会经济数据空间化时，格网尺度选取的一般原则为：既能反映社会经济数据原始分布状况，又能较为现实地反映出其分布的连续性，且兼顾地理数据的尺度。

2 思想及方法

2.1 空间插值模型

空间插值一般分为面插值法和点插值法，用于社会经济数据空间化的主要是面插值法。面积内插法是社会经济数据空间化的主流方法之一［36－39］，是将数据从源区域转换到目标区域的一种方法，只需将统计数据相应的行政区划面状地理数据相叠加，再对叠加后的面数据进行插值，即可生成一定大小且带有社会经济属性信息的栅格数据集。其前提是，在进行面积内插时，必须假设该区域的属性值是均匀分布的。目前，通常采用3种假设：源区域属性值均匀分布、目标区域属性值均匀分布、控制区域属性值均匀分布［38］。

面积权重内插法是最为简单的一种社会经济数据面积内插法，它首先假设社会经济数据在区域中是均匀分布的，并将目标区域叠加到源区域上，找出源区域在各个目标区域上的面积比重，该比重作为目标区域相对于源区域的一个比重值，并按照该比重值把源区域的属性值分配到目标区域上。使用面积权重内插法空间化社会经济数据时，为减少栅格单元之间的突变，可采用图像平滑技术对其进行平滑，得到较为连续的社会经济数据空间分布图［36］。

由于面积权重内插法的前提假设是各区域内属性分布均匀，所以，当区域内存在湖泊、河流、沼泽等无人居住的斑块时，需要对该方法进行改进，以使模拟结果与实际情况更加吻合。吕安民等在传统面积权重内插的基础上，根据人口密度递归算法，提出了基于人口真实分布的面积内插方法，即：首先把整个区域分为居住区和非居住区，假设人口在居住区内均匀分布，总区域减去非居住区之后再计算人口密度；然后，把居住区分为人口稠密地区和人口稀疏地区，只要估计出人口稀疏地区的人口密度，即可确定人口稠密地区的人口密度，再把人口稠密区分为新的人口稠密地区和稀疏地区，由此反复推演，直至求出接近于人口真实分布的人口模型［39］。

总之，空间插值模型对样点密集的小区域内的社会经济数据空间化较合适，但在区域尺度较大、采样稀疏、地理环境变化强烈的情况下，其计算精度很难保证［40］；而且，在进行插值时，仅仅从数学上进行计算，缺乏现实依据和理论支撑，难以令人信服。另外，该模型中认为区域内社会经济数据分布均匀，这显然不切实际，但在没有其他已知信息时，也不失为一种社会经济数据空间化的有效方法。

2.2 土地利用／土地覆被影响模型

有学者认为，土地利用／土地覆被数据，特别是耕地数据，已经包含了社会经济数据的绝大部分信息，农村社会经济数据与距公路、铁路、河流、城市的距离有显著的相关性，而土地利用／土地覆被，特别是耕地及农村居民点与这些要素之间也表现出相似的距离关系，因此，可以将这种距离关系转化为土地利用／土地覆被与社会经济状况的关系［41，42］。因此，可以根据高时空分辨率的遥感影像提取土地利用／土地覆被等空间信息，建立社会经济数据与相应的土地利用／土地覆被类型所占面积之间的关系，从而实现社会经济数据的空间化。目前，使用土地利用／土地覆被影响模型进行空间化的研究主要集中在人口数据空间化和GDP空间化两方面［41－48］。

在基于土地利用／土地覆被影响模型进行人口数据空间化方面，田永中等［42］根据分县控制、分城乡、分区建模的思路，对农村人口采用线性加权模型进行模拟，选取与人口密度相关性显著的土地利用类型作为指标（10个），经过逐步回归计算确定了各指标的加权系数，提出了农村人口分布模型，对于城市人口，建立了基于城镇规模的人口距离衰减加幂指数模型，然后将城市人口和农村人口相加，得到总的人口模拟模型：

其中：POPij为第i个行政区中第j个栅格内的人口；Pir、Piu分别为第i个行政区中的农村人口、城镇人口；Vjr、Vju分别为第i个行政区中第j个栅格的农村人口系数、城镇人口系数；Ajn为第j个栅格中第n种土地利用的面积；Wmn为第m个农业生态区中第n种土地的逐步回归系数；k为第i个行政区中的栅格数。

该模型影响较大，田永中据此模型对2000年中国人口密度进行了空间化，其结果与实际人口分布规律大致相同。

全国尺度的土地利用／土地覆被－人口分布模型揭示了全国范围内人口分布随土地利用／土地覆被变化的宏观规律，但由于中国幅员辽阔，自然条件复杂多样，很难保证其精度，这就导致难以在国家尺度上找到一个普适模型，因此，需要对其进行分区模拟。廖顺宝等根据市县人口密度与土地利用指数及数字高程的相关性建立了人口数据空间化的线性回归模型，对人口数据进行了空间化［41］。吴桂平等根据人口密度与土地利用及地形之间的关系，初步探究了小尺度区域的人口数据空间化，生成了张家界永定区250m×250m分辨率的栅格人口数据［43］。

在对GDP进行空间化时，一般根据影响第一、第二和第三产业因子的不同，分别对其建模。第一、二产业与土地利用的关系较为明确，其模型的构建也相对容易，而第三产业与各种土地利用的关系最为模糊。因此，刘红辉等［44］综合分析了土地利用格局与GDP的空间互动规律，根据各产业GDP与土地利用的相关性，分产业建立了GDP空间表达模型，并生成了全国范围内1km×1km GDP数据集。易玲等［45］分析了2000年中国西部1 000个县市各产业增加值与同年各县市土地利用面积的相关性，发现第一产业增加值与农林牧渔业总产值的相关系数大于0.7，农林牧渔业总产值与农、林、牧、渔业分别占用的土地面积（耕地、林地、草地、水域面积）的相关系数大于0.8，第二、三产业增加值与建设用地面积的相关系数大于0.7，提出了GDP空间化模型：

其中：单元GDP1为该单元第一产业增加值；单元GDP2，3为该单元第二、三产业增加值；ai为该单元耕地、林地、草地、水域的 GDP分布系数（元／km2）；bj为该单元建设用地的GDP分布系数（元／km2）；xi为该单元耕地、林地、草地、水域所占面积（km2）；yj为该单元建设用地所占面积（km2）。

也有研究者认为，目前基于土地利用／土地覆被进行社会经济数据空间化的研究多为线性模拟，而线性模拟结果的精度很难再有突破，因此提出了应用非线性模型来解决非线性系统问题的思想［49，50］。一些学者则关注土地利用中最直接反映人口分布的因子——居民地进行研究，产生了基于居民地的人口格网化方法，居民地重分类法也是常用的方法［21］。

综上所述，土地利用／土地覆被影响模型对社会经济数据空间化成功地应用了遥感影像高精度的优点，由于遥感影像具有较高的时空分辨率，能够对模拟结果及时更新。但受现有技术条件限制，仍然面临着许多问题。例如，在从遥感影像提取土地利用／土地覆被信息时，必然造成信息的丢失和损坏，使得提取结果存在一定误差。土地利用／土地覆被数据本身的特点以及所建立模型的统计特征，使其在不同区域间的差别较大，因此普适性较差。

2.3 多源数据融合模型

随着研究的深入，研究者对社会经济影响因素的认识越来越全面，社会经济数据空间化的单一因子影响模型已经难以满足实际需求，而技术的进步促使各种来源的数据能够被研究者获取，社会经济数据空间化的多源数据融合模型便应运而生。其主要思路为：在选取合适的模拟社会经济数据空间分布的栅格单元之后，采用相关性分析，确定影响社会经济数据空间分布的主要影响因子，建立社会经济数据与各影响因子之间的回归模型，计算得出各影响因子影响社会经济数据空间分布的综合参数值（权重系数），并按照乘积融合或加权融合的方式，建立区域社会经济数据的综合参数表面，在此基础上，以行政边界作为控制条件，将每个行政单元的社会经济数据分配到其行政区范围内的各个栅格单元上，即可得到区域社会经济数据的空间分布模拟图。

董春等在建立了地理因子库（包括高程带、坡度带、坡向带、公路、铁路、水系、土地覆被、居民点等要素）和经济因子库（包括国民经济和社会发展主要指标）的基础上，提取与研究区人口密度分布相关性强的地理和经济因子，以单因子归一化权重系数和类因子归一化权重系数的乘积作为综合权重系数，以此计算各单元人口分配的权重系数，建立各省以县为单元的人口分布模型［51］。

居民点是人口分布的重要指示因子，人口密度与土地利用、海拔高度、水系分布及主要道路具有强相关性，由于这些因子难以定量、定位地直接运用于人口密度空间化，为此，廖顺宝等提出了详细的空间化步骤［40］。王春菊等认为以上多源数据融合研究只适用于内陆地区，因为沿海地区人口的分布受距海岸线距离的影响较大，在人口数据空间化时，必须考虑距海岸线距离这一因素［52］。叶宇等利用最低通达成本路径和Voronoi图，以海拔高程和坡度作为修正参数，确定了土地利用、居民点、坡度、海拔、水系分布、铁路和公路交通等的权重，按照乘积融合的方式确定了多因子影响下的栅格人口密度综合权重值，建立了乡镇级的人口数据空间化模型［53］。熊俊楠等以土地利用、GDP统计数据、大中型水电工程、道路、行政界线为信息源，按照分县控制、分产业建模、基于多源数据的原则，建立了三产业及大中型水电工程产值、交通路网长度的空间化模型［54］，既反映了三次产业的空间分布，又模拟了交通、水电两大类在空间上的分布，为其他社会经济数据的空间化提供了范例。

总之，多源数据融合模型更加注重对影响社会经济数据分布的各种因子的客观量化，对于社会经济数据空间化过程中的影响因子分析以及参数设置也有很大的借鉴意义，大量的单因子与社会经济数据之间相互关系的研究为多源数据融合提供了理论支撑［55，56］。但没有分析因子间的相关性和相互作用，而且选取指标过多，势必增加问题分析的复杂性，不但加大了工作量，造成信息冗余，而且夸大了同类信息的影响程度；模型中参数的区域性也未得到足够的重视，在城市和农村地区采用同一模式，忽略了城乡之间的差异性。另外，影响因子的选择具有明显的区域性，普适性较差。

2.4 遥感反演法

尽管遥感影像像元光谱特征信息与社会经济数据不存在直接的因果关系，但遥感数据含有大量的地表信息，包括与社会经济有关的居民区类型、居民点规模和密度以及夜间灯光强度等，因此可以利用遥感数据反演社会经济特征。利用遥感反演法对社会经济数据进行空间化的一般思路是：首先提取与社会经济数据有关的信息，进而建立遥感数据与社会经济数据之间的反演模型，模拟社会经济数据的空间分布。目前，国内研究较多且相对成熟的遥感反演法是利用DMSP／OLS夜间灯光数据（简称“夜间灯光数据”）空间化社会经济数据［57，58］。韩向娣等研究夜间灯光数据与社会经济数据之间的空间相关性，分区分产业计算了全国县级地区生产总值以及第一、第二、第三产业与夜间灯光强度的相关性，通过比较不同区域下灯光指数与社会经济数据的相关性和回归拟合度，确定了分区最佳灯光指数，建立回归模型，最终生成了全国GDP密度分布图［59］。梁友嘉等将夜间灯光数据与LUCC数据进行叠加分析，以获取更符合实际人口空间分布的灯光辐射数据，利用回归分析方法获取研究区灯光辐射指标、土地利用和人口统计数据之间的定量关系，完成了人口密度空间化建模［60］。然而，在利用夜间灯光数据进行社会经济数据空间化时，往往受到像元过饱和（Saturation）和像元溢出（Overglow）的影响，在实际应用中需要对其进行适当的处理和修正［10，11］。杨续超等指出，植被指数（NDVI）与不透水面呈负相关，在反映人类活动、提取建成区方面可以与夜间灯光数据互补，因而这两种数据的融合可以有效降低由夜间灯光数据像元过饱和与像元溢出等引起的误差［61］。夜间灯光数据获取便捷，所需数据量较少，更适合于大尺度的社会经济数据空间化，为决策提供参考。但夜间灯光数据只是社会经济的一个间接表征，在市区和第二、三产业能取得较好的模拟结果，在农村地区则不适用。另外，还可以直接通过遥感影像提取居民区类型、居民点密度［62，63］进行反演，实现对社会经济数据的空间化。

目前采用遥感反演法建立的社会经济数据空间化模型多为经验统计模型，对遥感数据特征与社会经济数据分布之间的内在机理研究不够深刻；而且遥感数据存在像元过饱和、像元溢出等问题，在对遥感影像判读时存在人为误差，这些因素限制了利用遥感反演法进行社会经济数据空间化的精度。

3 结论

纵观国内研究，社会经济数据空间化的研究主要集中在人口数据空间化和GDP数据空间化两方面，而其他社会经济数据空间化的研究尚不多见。虽然经过数十年的发展，国内学者提出了10余种社会经济数据空间化模型［5，64－66］，但总的来看，其研究水平仍处在探索阶段，较注重方法试验，缺乏对空间化后结果应用的相关研究。为此，笔者根据自身学科背景及最近所做工作，提出以下两方面的应用：社会经济数据空间化之后，可以更加准确系统地分析社会经济条件对生态交错带时空变化的影响；寻找一种合适的方法对社会经济数据进行空间化，根据社会经济数据反演土地利用数据，这将对土地利用历史重建研究大有裨益。

随着科技的进步、方法的改善、思想的成熟，在中国以至世界范围内，综合运用遥感数据、土地利用／土地覆被数据、NDVI以及各种地理数据，结合地理信息系统，建立融合多源数据的综合模型将会成为社会经济数据空间化的一种必然趋势。

［1］ 李素，庄大方.基于RS和GIS的人口估计方法研究综述［J］.地理科学进展，2006，25（1）：109－121.

［2］ 王雪梅，李新，马明国.基于遥感和GIS的人口数据空间化研究进展及案例分析［J］.遥感技术与应用，2004，19（5）：320－327.

［3］ 图雅，巴图德力格尔，阿拉腾图雅，等.人口分布空间化方法对比分析——以内蒙古东部为例［J］.阴山学刊，2012，26（3）：45－49.

［4］ 阿荣，佟宝全.人口密度空间化研究进展［J］.赤峰学院学报（自然科学版），2012，28（12）：44－47.

［5］ 林丽洁，林广发，颜晓霞，等.人口统计数据空间化模型综述［J］.亚热带资源与环境学报，2010，5（4）：10－16.

［6］ 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.

［7］ DOBSON J E，BRIGHT E A，COLEMAN P R，et al.LandScan：A global population database for estimating populations at risk［J］.Photogrammetric Engineering ＆ Remote Sensing，2000，66（7）：849－857.

［8］ BHADURI B，BRIGHT E，COLEMAN P，et al.LandScan USA：A high－resolution geospatial and temporal modeling approach for population distribution and dynamics［J］.GeoJournal，2007，69：103－117.

［9］ SUTTON P.Modeling population density with night－time satellite imagery and GIS［J］.Computers，Environment and Urban Systems，1997，21（3／4）：227－244.

［10］ SUTTON P，ROBERTS D，ELVIDGE C，et al.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.

［11］ LO C P.Modeling the population of China using DMSP operational linescan system nighttime data［J］.Photogrammetric Engineering ＆ Remote Sensing，2001，67（9）：1037－1047.

［12］ AMARAL S，CAMARA G，MONTEIRO A M V，et al.Estimating population and energy consumption in Brazilian Amazonia using DMSP night－time satellite data［J］.Computers，Environment and Urban Systems，2005，29：179－195.

［13］ AMARAL S，MONTEIRO A M V，CAMARA G，et al.DMSP／OLS night－time light imagery for urban population estimates in the Brazilian Amazon［J］.International Journal of Remote Sensing，2006，27（5）：855－870.

［14］ 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.

［15］ 陈学刚，杨兆萍.基于GIS的乌鲁木齐市人口空间分布模拟与变化规律研究［J］.干旱区资源与环境，2008，22（4）：12－16.

［16］ 刘木生，林联盛，张其海，等.基于RS和GIS的江西省人口统计数据空间化［J］.江西科学，2008，26（6）：928－931.

［17］ 王培震，石培基，魏伟，等.基于空间自相关特征的人口密度格网尺度效应与空间化研究——以石羊河流域为例［J］.地球科学进展，2012，27（12）：1363－1372.

［18］ YUE T X，WANG Y A，LIU J Y，et al.Surface modelling of human population distribution in China［J］.Ecological Modelling，2005，181：461－478.

［19］ 刘业森，杨小唤.基于边界替代的人口数据空间化方法研究［J］.地球信息科学，2005，7（4）：53－58.

［20］ 吕安民，李成名，林宗坚，等.人口统计数据的空间分布化研究［J］.武汉大学学报（信息科学版），2002，27（3）：301－305.

［21］ 杨小唤，刘业森，江东，等.一种改进人口数据空间化的方法：农村居住地重分类［J］.地理科学进展，2006，25（3）：62－69.

［22］ 金君，李成名，印洁，等.人口数据空间分布化模型研究［J］.测绘学报，2003，32（3）：278－282.

［23］ 梁大圣，赵荣，刘兴万，等.格网GDP空间分布更新模型研究［J］.测绘科学，2010，35（5）：155－157.

［24］ 赵军，杨东辉，潘竟虎.基于空间化技术和土地利用的兰州市GDP空间格局研究［J］.西北师范学学报（自然科学版），2010，46（5）：92－102.

［25］ 梁友嘉，徐中民.基于夜间灯光辐射数据的张掖市甘州区GDP空间分布建模［J］.冰川冻土，2013，35（1）：249－254.

［26］ 李正泉，于贵瑞，刘新安，等.东北地区降水与湿度气候资料的栅格化技术［J］.资源科学，2003，25（1）：72－77.

［27］ 胡云峰，王倩倩，刘越，等.国家尺度社会经济数据格网化原理和方法［J］.地球信息科学学报，2011，13（5）：573－578.

［28］ 刘玉卿，徐中民.基于IPAT模型识别的人文因素空间化方法研究［J］.冰川冻土，2012，34（3）：740－747.

［29］ 樊明辉，陈崇成，池天河.基于克里格法的定点监测数据连续空间化研究与应用［J］.计算机工程与应用，2005（9）：210－212.

［30］ 王法辉.社会科学和公共政策的空间化和GIS的应用［J］.地理学报，2011，66（8）：1089－1100.

［31］ 范一大，史培军，辜智慧，等.行政单元数据向网格单元转化的技术方法［J］.地理科学，2004，24（1）：105－108.

［32］ 李雅菁.农村经济统计数据空间化研究——以房山区为例［D］.北京：首都师范大学，2011.

［33］ 闫庆武，卞正富，赵华.人口密度空间化的一种方法［J］.地理与地理信息科学，2005，21（5）：45－48.

［34］ 叶靖，杨小唤，江东.乡镇级人口统计数据空间化的格网尺度效应分析——以义乌市为例［J］.地球信息科学学报，2010，12（1）：37－46.

［35］ 高占慧.区域生态环境评价中的统计数据空间化方法研究——以山东省为例［D］.济南：山东师范大学，2012.

［36］ 闫庆武，卞正富.基于GIS的社会统计数据空间化处理方法［J］.云南地理环境研究，2007，19（2）：92－97.

［37］ 闫庆武，卞正富，董霁红.区域统计指标空间化技术及应用研究［J］.测绘与空间地理信息，2006，29（6）：12－16.

［38］ 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）：1835－1937.

［39］ 吕安民，刘海启，李成名，等.人口密度的面积内插算法研究［J］.中国农业资源与区划，2002，23（1）：35－40.

［40］ 廖顺宝，孙九林.基于GIS的青藏高原人口统计数据空间化［J］.地理学报，2003，58（1）：25－33.

［41］ 廖顺宝，李泽辉.基于人口分布于土地利用关系的人口数据空间化研究——以西藏自治区为例［J］.自然资源学报，2003，19（6）：559－665.

［42］ 田永中，陈述彭，岳天祥，等.基于土地利用的中国人口密度模拟［J］.地理学报，2004，59（2）：583－592.

［43］ 吴桂平，曾永年，邹滨.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.

［44］ 刘红辉，江东，杨小唤，等.遥感支持下的全国1km格网GDP的空间化表达［J］.地球信息科学，2005，7（2）：120－123.

［45］ 易玲，熊利亚，杨小唤.基于GIS技术的GDP空间化处理方法［J］.甘肃科学学报，2006，18（2）：54－58.

［46］ 钟凯文，黎景良，张晓东.土地可持续利用评价中GDP数据空间化方法的研究［J］.测绘信息与工程，2007，32（3）：10－12.

［47］ 黄莹，包安明，陈曦，等.基于绿洲土地利用的区域GDP公里格网化研究［J］.冰川冻土，2009，31（1）：158－165.

［48］ 康相武，吴绍洪，戴尔阜，等.区域社会经济财产数据空间化方法研究［J］.中国软科学，2006（8）：104－108.

［49］ 廖一兰，王劲峰，孟斌，等.人口统计数据空间化的一种方法［J］.地理科学，2007，62（10）：1110－1119.

［50］ 黄河清，王有亮，胡宝清，等.基于神经网络和GIS的广西都安县人口数据空间化研究［J］.测绘与空间地理信息，2009，32（6）：46－49.

［51］ 董春，刘纪平，赵荣，等.地理因子与空间人口分布的相关性研究［J］.遥感信息，2002（4）：61－64.

［52］ 王春菊，汤小华.基于GIS的福建省人口统计数据空间化［J］.地理与地理信息科学，2004，20（4）：71－74.

［53］ 叶宇，刘高焕，冯险峰.人口数据空间化表达与应用［J］.地球信息科学，2006，8（2）：59－65.

［54］ 熊俊楠，韦方强，苏鹏程，等.基于多源数据的四川省GDP公里格网化研究［J］.应用基础与工程科学学报，2013，21（2）：318－328.

［55］ 杜国明，张树文.面向防洪救灾的人口统计数据空间化研究——以扶余县为例［J］.长江流域资源与环境，2007，16（2）：265－268.

［56］ 陈振拓.服务于地震应急的人口数据格网化方法研究——以云南省为例［D］.北京：中国地震局地质研究所，2012.

［57］ 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.

［58］ 韩向娣，周艺，王世新，等.基于夜间灯光和土地利用数据的GDP空间化［J］.遥感技术与应用，2012，27（3）：396－405.

［59］ 韩向娣，周艺，王世新，等.夜间灯光遥感数据的GDP空间化处理方法［J］.地球信息科学学报，2012，14（1）：128－136.

［60］ 梁友嘉，徐中民.基于LUCC和夜间灯光辐射数据的张掖市甘州区人口空间分布建模［J］.冰川冻土，2012，34（4）：999－1006.

［61］ 杨续超，高大伟，丁明军，等.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）：729－734.

［62］ 何莲娜.基于城市布局要素的人口数据空间化研究［J］.测绘科学，2011，36（1）：38－41.

［63］ 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.

［64］ 王汶，付文静，鲁旭.基于多重分类平滑法的人口数据格网化研究［J］.安徽农业科学，2009，37（25）：12327－12329.

［65］ 康敏捷，曹可，王辉，等.基于作息空间思想的人口统计数据空间化方法［J］.地理与地理信息科学，2012，28（4）：58－62.

［66］ 马静.我国社会统计数据空间化研究综述［J］.未来与发展，2008（3）：25－28.