基于居住用地的重庆市主城区人口空间格局研究

吴凤敏++胡艳++郑稚棚++张红文++张斌++卢娅

摘 要：土地利用的空间格局是影响人口空间分布的主要因子，分析其与人口布局的关系，对实现人口合理布局、城市规划和城市资源配置具有重要的理论和实践意义。研究基于2010年重庆市主城区高分辨率遥感影像，采用人机交互式的方法对主城区居住用地进行遥感解译，同时与常住人口的相关性进行定量分析和研究，为模拟人口空间分布提供数据支撑。

关键词：人口空间格局；地理空间信息；相关性分析

中图分类号： TU984 文献标识码：A 文章编号：1672-3791（2016）10（c）-0000-00

Abstract： The spatial pattern of land use is the most important factors that effect the population arrangement. So Analysis between population and land use has great theoretical and practical significance on urban planning and resource allocation. This study focus on RS interpretation of urban land use used the man-machine interaction method in order to find out the correlation of population and urban land use.

Key words： spatial pattern of population； geospatial information； correlation analysis

引言

土地利用（特別居住用地）是人类与自然相互作用的产物，是人类活动在空间上分布的最直接体现。土地利用既受到自然条件的影响，同时又与人类生产生活等社会经济活动密切相关，地形、气候、水文等自然条件主要影响人口的宏观分布，而土地利用信息更能反映人口的微观分布特征，所以土地利用数据是进行人口空间化时最为重要的因子之一。已有研究表明遥感手段不仅可以提供土地覆盖和夜间灯光等输入变量信息，同时可以利用高分辨率的遥感影像获得人口分布的相关指示因子（例如建筑区、居民点）来进行人口模型估计结果的校核、验证[1]。Kraus[2]等人早在1974年就已经利用航空摄影获得的土地利用信息来估计美国加利福尼亚4个城市的人口总数。Langford[3]等人利用Landsat TM 影像进行遥感监督分类，将土地利用类型分为5类（工业/商业区、密集住宅区、普通住宅区、无人居住区和农业区），建立人口分布于土地利用类型的多元回归模型，得到英国莱斯特郡地区1 km栅格的人口分布图。Weber[8]等人使用SPOT影像对法国斯特拉斯城市分成六种土地利用类型，利用人口普查单元数据对人口和土地利用面积之间相关性进行分析，构建回归模型估算城市总人口数。2003年，Lo[9]等人ATLANTA工程研究中把TM影像进行土地利用分类，并利用对数转换的异速增长模型对418个人口普查单元的人口数量与低密度城市不同土地利用类型面积进行回归分析，估算城市人口数量。

随着遥感技术的不断发展，国内近几年也出现了许多基于遥感和GIS手段获取的土地利用信息和其它信息（包括地形、水文、气候、土壤、交通、居民点、经济状况等与人口统计数据之间线性或非线性关系）构建人口估计模型的研究。

2002年，杨小唤[5]等人通过与人口空间分布紧密相关的要素计算各省及县人口分布特征指数，确定各省人口特征指数重心和区划指数，并在此基础上利用Landsat TM信息获取土地利用数据，建立各二级区人口与各类土地利用类型之间多元相关关系模型，计算人口空间数据。廖顺宝[6]，[7]等人基于人口统计数据和土地利用数据的相关性，建立人口与各土地利用类型和高程的多元线性回归方程。田永中[10]等人根据全国农业生态区内人口与各类农业用地之间的相关关系选取指标，结合土地生产力及其与人口的相关性确定各指标加权系数模拟农村人口空间分布，并建立基于城镇规模的人口距离衰减加幂指数模型模拟城市人口的空间分布。

本研究基于2010年高分辨率遥感影像对重庆市主城区（包括渝中区、江北区、渝北区、南岸区、九龙坡区、大渡口区、沙坪坝区、北碚区和巴南区）居住用地进行人机交互式目视解译，获取2010年重庆市主城区居住用地数据，同时对2010年主城区（街道、镇）常住城镇人口数据进行空间化，进行居住用地与人口的相关性分析与研究，从而为模拟人口空间分布提供数据支撑。

1研究区及研究方法

研究区域为重庆市主城区，包括：渝中区、江北区、渝北区、南岸区、九龙坡区、大渡口区、沙坪坝区、北碚区和巴南区九个区（面积为5473km?），是将重庆作为一个有城乡二元体构成的城市意义上的一个地域范围。

研究所使用的数据主要包括：2010年重庆市主城区街道（镇）常住人口数据、行政区划界（区县界、街道（镇）界）（数据来源于重庆市统计局）、2010年主城区高分辨率卫星遥感影像（worldview-2，分辨率0.5m）、2010年国土部门土地权属资料，农村土地利用现状，城镇地籍现状数据，重庆市城乡总体规划资料、控制性详细规划和专题规划资料等。

研究中居住用地数据主要有两部分组成，一是城镇范围内的居住用地，而是农村居民点居住用地。城镇范围内居住用地主要基于2010年高分辨率遥感影像，结合2010年国土部门土地权属资料，城镇地籍现状数据，重庆市城乡总体规划资料、控制性详细规划和专题规划资料等相关参考资料，通过城镇居住用地遥感解译获得；农村居民点部分直接采用国土2008年第二次全国土地利用调查资料中村庄建设用地，利用2010年遥感影像进行更新获得。

2人口空间格局

2010年重庆市常住总人口为2884.62万人，主城区达745.76万人，占全市常住总人口的25.85%。主城九区中，渝中区人口数量最大，为134.54万人，其次是九龙坡区，108.44万人，大渡口区常住人口最少，仅30.10万人，各区平均人口为82.86万人。

主城区共计155个街道（镇），其中街道81个，镇74个（27个镇为城郊小城镇，其余均位于城区范围内）。所有街道镇中，常住人口最多的为，常住人口最少的为，街道（镇）平均常住人口为，有个街道（镇）在平均常住人口水平以下。

重庆市主城区各街道（镇）常住人口密度空间分布呈现从中心城区向外逐渐降低的趋势，即主城区中心的渝中区，渝北区、江北区南部，沙坪坝、九龙坡东部，大渡口区北常住人口密度较高，这部分区域为主城区城市发展集中区域。主城区外围常住人口密度逐渐降低，巴南区东部、渝北区北部人口密度达到最低。

3 居住用地空间格局

2010年重庆市主城区遥感影像处理流程包括：影像融合、正射纠正、均色处理、影像镶嵌和影像分幅。

2010年重庆市主城区城镇居住用地主要利用高分辨率遥感影像，结合相关辅助资料，依据《城市用地分类与规划建设用地标准 GB50137-2011》分类标准进行遥感解译。农村居住用地基于第二次全国土地调查中农村居民点资料依据《重庆市第二次土地调查技术细则》，结合高分辨率遥感影像进行范围更新。

综合考虑影像拍摄角度、空间分辨率、成图比例尺，以及影像中存在易判地物与难判地物的情形，为了保证解译图斑与影像纹理空间位置的一致性，要求解译成果矢量图斑与影像图上目视可判的地物边界位置精度保证不低于10个像元。城镇范围居住用地范围一般以居住小区外围围墙边界为准，同时借助道路要素进行辅助。

由于农村人口主要采取散居方式，且分布具有随机性，对于人口与居住用地相關性研究不具有参考意义，因此在常住人口处理方面，按照每处村庄建设用地3个人进行赋值，各街道（镇）城镇常住人口为常住人口总量与农村常住人口差值。

4人口与居住用地相关性研究

根据2010年主城区城镇居住用地数据，结合城镇常住人口，分析两者的相关关系。假设城市居住用地面积为x，城市居住人口数量为y，则两者之间线性关系如下：

根据数据回归结果显示，城市居住用地与居住人口之间的相关系数 ，两者相关性较高，可以考虑利用城镇居住用地数据推算城镇常住人口数量，这为实现人口数量预测提供了科学依据。

在考虑土地利用类型对城市居住人口影响方面，只分析城市居住用地这一单一类型有一定的局限性，因此需要全面对各种土地利用类型对城市居住用地的影响，才能更准确地描述土地利用类型对居住人口的影响。

5结论与讨论

本研究利用GIS遥感技术方法，基于2010年高分辨率遥感影像完成2010年重庆市主城区居住用地遥感解译，同时对2010年重庆市主城区居住人口数据进行空间化，进行重庆市主城区各街道（镇）常住人口、常住人口密度空间格局进行分析，结合城镇居住用地与城镇常住人口完成两者相关性的定量分析和研究，研究能够为人口空间化模型的进一步深入研究提供模型基础。

然而，研究中还存在一些不足需要进一步深入研究。城镇常住人口仅简单通过与农村常住人口的简单估算得到，模型研究对农村人口数量及空间分布情况进行详细考虑，模型存在一定误差。

参考文献

[1] 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， 66（7）： 849–857， 2000.

[2] 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， 58（1）： 25 - 33， 2003.

[3] Kraus S P， Ryerson J M， Senger L W. Estimating Population from Photographically Determined Residential Land UseTypes[J]. Remote Sensing of Environment， 3（1）： 35–42， 1974.

[4] Langford M， Harvey J T. The Use of Remotely Sensed Datafor Spatial Disaggregation of Published Census PopulationCounts[A]. IEEE/ISPRS Joint Workshop on RemoteSensing and Data Fusion over Urban Areas[C]. 260–264， 2001.

[5] 小唤， 王乃斌， 江东等. 基于空间分析方法的人口空间分布区划[J]. 地理学报， 57（增刊）： 76 - 81， 2002.

[6] 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， 58（1）： 25 - 33， 2003.

[7] 廖顺宝， 孙九林. 青藏高原人口分布与环境关系的定量研究[J]. 中国人口·资源与环境， 13（3）： 62–67， 2003.

[8] Weber C. Per-zone Classification of Urban Land Use Cover for Urban Population Estimation. Environmental Remote Sensing from Regional to Global Scales， in Foody， G.M. and P.J. Curran （Eds.） Chichester， UK： New York， NY： Wiley， 142 -138， 1994.

[9] Lo C P. Zone-Based Estimation of Population and Housing Units from Satellite-Generated Land Use/Land Cover Maps. Remotely sensed Cities. Mesev， V.（Ed.）， London， UK/New York， NK： Taylor&Francies， 157 – 180， 2003.

[10] 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. 地理学报， 59（2）： 283 - 292， 2004.