鄭川 賈召亮 許瑞杰 李兆隆 壯延

摘要：現(xiàn)有的在地震應(yīng)急中人口空間化數(shù)據(jù)因制作方法、數(shù)據(jù)來源不同，導(dǎo)致人口空間化產(chǎn)品存在較大差異，人口空間分布數(shù)據(jù)無法滿足震后地震應(yīng)急期間數(shù)據(jù)需求。以云南省盈江縣為研究區(qū)，基于第七次全國人口普查盈江縣數(shù)據(jù)、第一次自然災(zāi)害風(fēng)險普查數(shù)據(jù)和夜間燈光遙感影像數(shù)據(jù)，利用空間疊加法計算人口分布權(quán)重，結(jié)合面積權(quán)重得到盈江縣100m×100m格網(wǎng)的人口空間化結(jié)果。經(jīng)精度評定，研究區(qū)所有鄉(xiāng)鎮(zhèn)人口空間化相對誤差絕對值均小于0.6%，與2020年鄉(xiāng)鎮(zhèn)街道人口統(tǒng)計數(shù)據(jù)的相關(guān)系數(shù)R2接近1。結(jié)果表明，結(jié)合鄉(xiāng)鎮(zhèn)尺度人口統(tǒng)計、夜間燈光影像和重點(diǎn)隱患調(diào)查等數(shù)據(jù)所構(gòu)建的人口空間化模型，所獲100m×100m格網(wǎng)的人口密度數(shù)據(jù)精度得到了顯著提高。

關(guān)鍵詞：自然災(zāi)害風(fēng)險普查；燈光遙感影像；人口空間化；精細(xì)化；盈江縣

中圖分類號：P315.94文獻(xiàn)標(biāo)識碼：A文章編號：1000-0666（2023）03-0403-12

doi：10.20015/j.cnki.ISSN1000-0666.2023.0045

0引言

地震發(fā)生后，準(zhǔn)確掌握震區(qū)受災(zāi)情況對地震應(yīng)急救災(zāi)工作和救災(zāi)物資的優(yōu)化配置起重要作用。人口空間分布是開展生命損失評估的關(guān)鍵數(shù)據(jù)（袁小祥等，2018），提高人口分布數(shù)據(jù)精度對于解決地震災(zāi)害預(yù)評估、災(zāi)害風(fēng)險研究及應(yīng)用具有重要意義。人員傷亡、經(jīng)濟(jì)損失、需轉(zhuǎn)移安置人數(shù)等多個地震災(zāi)害預(yù)評估模型中，人口信息數(shù)據(jù)均為其主要計算參數(shù)，人口空間分布數(shù)據(jù)的準(zhǔn)確性直接影響預(yù)評估結(jié)果。研究人員基于多源數(shù)據(jù)和不同的研究方法對人口的空間化做了大量的研究，形成了一系列具有代表性的模型和方法。早期的人口空間分布估計以行政區(qū)劃統(tǒng)計數(shù)據(jù)為基礎(chǔ)，通過分析地貌形態(tài)、坡度、地形起伏度（曹彥波等，2014）、高分辨率遙感（朱守杰等，2020）、土地利用類型（柏中強(qiáng)等，2015；Gongetal，2020；潘穎等，2020）、居民點(diǎn)信息（孫艷萍等，2018）等基礎(chǔ)地理信息之間的統(tǒng)計關(guān)系，以回歸建模方式對人口統(tǒng)計數(shù)據(jù)進(jìn)行格網(wǎng)化空間模擬（劉軍等，2016；楊曉榮，陳楠，2019）。隨著大數(shù)據(jù)挖掘技術(shù)的發(fā)展，大量研究發(fā)現(xiàn)夜間燈光數(shù)據(jù)（郭山山等，2016；王明明，王卷樂，2019）、POI數(shù)據(jù)（淳錦等，2018；杜志強(qiáng)等，2021）、手機(jī)信令（王曉潔等，2020）等信息數(shù)據(jù)與人口分布具有較強(qiáng)的相關(guān)性，可以通過數(shù)值模擬得到人口空間分布。多源數(shù)據(jù)的精準(zhǔn)匹配與有效融合，有效彌補(bǔ)了傳統(tǒng)數(shù)據(jù)時效性差、空間精細(xì)度不夠等不足（劉云霞等，2022），促使人口空間化數(shù)據(jù)質(zhì)量不斷提高。但不同的數(shù)據(jù)源和方法各有優(yōu)、缺點(diǎn)：如居民點(diǎn)、行政區(qū)建筑物、土地利用類型等數(shù)據(jù)能準(zhǔn)確表示人口分布的宏觀空間范圍，卻不能反映其內(nèi)部的人口密度差異特征，將人口數(shù)據(jù)與自然生態(tài)數(shù)據(jù)耦合使用，僅能滿足多種空間分析、統(tǒng)計和建模的需求；夜間燈光、POI、手機(jī)信令等信息數(shù)據(jù)能在一定程度上體現(xiàn)人口分布的疏密程度，但像元飽和溢出、數(shù)據(jù)收集困難、大數(shù)據(jù)有偏性等問題也影響著人口數(shù)據(jù)空間化結(jié)果的精度；多源數(shù)據(jù)建立的空間化統(tǒng)計模型面臨各因子之間存在關(guān)聯(lián)、因子權(quán)重判定難的挑戰(zhàn)；地震應(yīng)急人口空間化研究大多基于行政區(qū)劃統(tǒng)計或較大尺度的格網(wǎng)數(shù)據(jù)，針對人口分布精細(xì)尺度的研究較少。鑒于上述各種空間化數(shù)據(jù)、方法的優(yōu)劣，集成更加精細(xì)數(shù)據(jù)和空間化方法建立更精確的人口空間化模型，已成為地震應(yīng)急人口空間分布研究的重要趨勢之一。

大量研究表明，人口空間分布與建筑物分布有最直接的關(guān)聯(lián)（李慧敏等，2022），夜間燈光數(shù)據(jù)能反映人類活動，是進(jìn)行人口空間化建模的理想數(shù)據(jù)（陳晴，侯西勇，2015）。本文基于第七次全國人口普查盈江縣數(shù)據(jù)、盈江縣第一次全國自然災(zāi)害綜合風(fēng)險普查建（構(gòu)）筑物地震災(zāi)害隱患數(shù)據(jù)和夜間燈光影像數(shù)據(jù)，利用普查數(shù)據(jù)時效性和精細(xì)度高的優(yōu)勢，開展基于夜間燈光值、不同類型建筑物數(shù)量的面積權(quán)重人口精細(xì)化方法研究，并以盈江縣為例實(shí)現(xiàn)100m×100m格網(wǎng)的人口精細(xì)化研究。

1研究區(qū)概況和數(shù)據(jù)源

1.1研究區(qū)概況

盈江縣國土面積為4316.97km2，占德宏州面積的38.6%，轄8鎮(zhèn)7鄉(xiāng)，97個行政村、11個社區(qū)，常駐人口292508人；地處云南省西部、德宏州西北部，東北面與騰沖市接壤，南面與隴川縣接壤，西面與緬甸聯(lián)邦共和國為鄰。盈江縣地震多發(fā)，全區(qū)受地震災(zāi)害影響較大，自1992年以來，區(qū)內(nèi)共發(fā)生8次5.0級以上破壞性地震，全縣境內(nèi)所有鄉(xiāng)鎮(zhèn)均遭受過Ⅵ度及以上地震烈度破壞。

1.2數(shù)據(jù)來源

本研究選取的數(shù)據(jù)源（表1）包括：①第一次全國自然災(zāi)害綜合風(fēng)險普查建（構(gòu)）筑物地震災(zāi)害隱患數(shù)據(jù)以及在盈江縣共收集到85036條單體房屋信息數(shù)據(jù)；②行政區(qū)劃數(shù)據(jù)來源于云南省地圖院；③行政區(qū)劃人口經(jīng)濟(jì)數(shù)據(jù)來源于《云南行政區(qū)劃簡冊》①（云南省民政廳，云南省地圖院）；④夜間燈光影像數(shù)據(jù)來源于美國國家海洋和大氣管理局（NOAA）②；⑤中國人口空間分布公里網(wǎng)格數(shù)據(jù)來源于資源

1.3數(shù)據(jù)預(yù)處理

本文所需的數(shù)據(jù)由于來源、數(shù)據(jù)格式、范圍和投影坐標(biāo)等不一致，因此需要在人口空間化計算之前進(jìn)行預(yù)處理，主要包括統(tǒng)一坐標(biāo)系、重采樣統(tǒng)一空間分辨率、數(shù)據(jù)范圍裁剪以及數(shù)據(jù)格式轉(zhuǎn)換等。具體操作如下：

（1）統(tǒng)一坐標(biāo)系：將盈江縣1∶25萬行政區(qū)劃鄉(xiāng)鎮(zhèn)界限數(shù)據(jù)以及2020年夜間燈光數(shù)據(jù)轉(zhuǎn)換至Krasovsky_1940_Albers投影坐標(biāo)系和CGCS2000地理坐標(biāo)系。

（2）建筑物重點(diǎn)隱患數(shù)據(jù)格式轉(zhuǎn)換：獲取的盈江縣建筑物重點(diǎn)隱患數(shù)據(jù)包括定位點(diǎn)的經(jīng)緯度、工程名、工程類型、所屬行政區(qū)劃、建筑規(guī)模、建筑年代、抗震設(shè)防類別、場地類型、現(xiàn)存災(zāi)害、住建數(shù)據(jù)類型等屬性信息，格式為xls。將其導(dǎo)入ArcGis軟件，根據(jù)經(jīng)緯度信息生成85036個Shapefile點(diǎn)數(shù)據(jù)，并對點(diǎn)數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換至Krasovsky_1940_Albers投影。

（3）100m尺度重采樣：將2020年盈江縣夜間燈光數(shù)據(jù)柵格投影至CGCS2000坐標(biāo)系，通過柵格計算器得到年度平均燈光值，然后重采樣至100m格網(wǎng)（圖1）。

（4）掩模裁剪：根據(jù)盈江縣鄉(xiāng)鎮(zhèn)界限數(shù)據(jù)對重采樣夜間燈光數(shù)據(jù)、WorldPop數(shù)據(jù)集人口格網(wǎng)數(shù)據(jù)和中國人口空間分布公里網(wǎng)格數(shù)據(jù)集進(jìn)行掩模裁剪，文件格式為TIFF。

2研究方法

對比盈江縣第一次全國自然災(zāi)害綜合風(fēng)險普查建（構(gòu)）筑物地震災(zāi)害隱患房屋單體數(shù)據(jù)與天地圖遙感影像空間位置分布（圖2），可以看出兩者對應(yīng)較好，盈江縣區(qū)內(nèi)高層住宅主要分布在縣級行政中心和經(jīng)濟(jì)發(fā)展較好的平原鎮(zhèn)，其他鄉(xiāng)鎮(zhèn)則以獨(dú)戶獨(dú)院式低層住宅為主。對盈江縣15個鄉(xiāng)鎮(zhèn)建筑物數(shù)量、面積與統(tǒng)計人口之間進(jìn)行相關(guān)性分析，得出鄉(xiāng)鎮(zhèn)統(tǒng)計人口與重點(diǎn)隱患建筑物數(shù)量的相關(guān)系數(shù)R2為0.9774（圖3a），與建筑物面積的相關(guān)系數(shù)R2為0.8938（圖3b），表明人口分布與建筑物數(shù)量、面積存在明顯的線性相關(guān)性。夜間燈光與人類活動密切相關(guān)，云南城鎮(zhèn)地區(qū)鄉(xiāng)鎮(zhèn)統(tǒng)計人口與燈光亮度值的相關(guān)系數(shù)較高（賈召亮等，2020），夜間燈光亮度值可以直觀反映人口密度的大小。本文將存在高層住宅的鄉(xiāng)鎮(zhèn)劃分為城鎮(zhèn)地區(qū)，將其他鄉(xiāng)劃分為鄉(xiāng)村地區(qū)，對城鎮(zhèn)地區(qū)和鄉(xiāng)村地區(qū)分別建立數(shù)學(xué)模型。

2.1模型建立

本文基于第七次人口普查鄉(xiāng)鎮(zhèn)尺度人口統(tǒng)計數(shù)據(jù)、第一次全國自然災(zāi)害風(fēng)險普查重點(diǎn)隱患調(diào)查建筑物單體數(shù)據(jù)和夜間燈光遙感數(shù)據(jù)開展盈江縣100m×100m格網(wǎng)的人口空間化。建模流程如圖4所示，包括對重點(diǎn)隱患調(diào)查單體建筑物、夜間燈光遙感數(shù)據(jù)預(yù)處理操作，結(jié)合空間疊加分析、核密度分析原理，判斷單體建筑數(shù)據(jù)所在位置，累計得到各鄉(xiāng)鎮(zhèn)不同建筑類型的分布比例，統(tǒng)計不同類型建筑的夜間燈光亮度值，即統(tǒng)計人口分配權(quán)重P，從而將2020年鄉(xiāng)鎮(zhèn)統(tǒng)計人口按照分配權(quán)重P分配到不同建筑類型上?；贏rcGIS生成100m×100m尺度的漁網(wǎng)，統(tǒng)計每個格網(wǎng)不同工程類別建筑的面積，并根據(jù)面積權(quán)重法計算其人口模擬值，進(jìn)行初步人口空間化。

2.1.1面積權(quán)重法

傳統(tǒng)面積權(quán)重法常被用于社會經(jīng)濟(jì)數(shù)據(jù)空間化研究中，是一種基于變量值保持一致的方法。它的基本原理是：假設(shè)源區(qū)A范圍內(nèi)人口為均勻分布，目標(biāo)區(qū)a的人口密度等于源區(qū)A的人口密度，計算目標(biāo)區(qū)a的人口Pa公式為：

式中：Pa代表目標(biāo)a的預(yù)測人口值；Sa代表目標(biāo)區(qū)a的面積；PA代表A區(qū)域人口統(tǒng)計值；SA代表A區(qū)域面積。

2.1.2加權(quán)分析法

與實(shí)際相比，以不同類型建筑數(shù)量作為影響人口分布的因素，得到的僅是一種近似結(jié)果，不能表達(dá)出城鎮(zhèn)人口分布的細(xì)節(jié)信息，需要尋求一種能夠從微觀尺度反映城鎮(zhèn)及其周邊區(qū)域人口分布隨機(jī)性的數(shù)據(jù)來輔助建模（韓貞輝等，2013）。夜間燈光遙感影像是人類活動的重要指示因子，在城鎮(zhèn)區(qū)，夜間燈光亮度值與鄉(xiāng)鎮(zhèn)統(tǒng)計人口數(shù)間

相關(guān)系數(shù)較高，房屋數(shù)量和夜間燈光數(shù)據(jù)加權(quán)結(jié)合可以從微觀層面上反映人口分布的細(xì)節(jié)。基于以上分析，可通過加權(quán)分析確立人口密度影響權(quán)重為：

式中：P為人口密度分配權(quán)重；P1、P2分別為基于建筑物數(shù)量和燈光亮度值的人口密度權(quán)重；a1、a2是權(quán)重的配比系數(shù)。

基于房屋數(shù)量的人口密度權(quán)重空間分布規(guī)律性明顯，反映了在城市區(qū)域人口分布的宏觀特征，而基于夜間燈光的人口密度權(quán)重則反映了微觀尺度下人口分布的隨機(jī)特征，兩者的作用比重還有待深入研究。本文暫且認(rèn)為在城鎮(zhèn)地區(qū)兩者的作用是等量的，即權(quán)重分配比例系數(shù)：a1=a2=0.5。

2.1.3核密度估計法

核密度估計法是空間分析中運(yùn)用廣泛的非參數(shù)估計方法，用于計算要素在其周圍領(lǐng)域中的密度（李東平等，2017）。該方法以特定要素點(diǎn)的位置為中心，將該點(diǎn)的屬性分布在指定閾值范圍內(nèi)，在中心位置處密度最大，并隨距離衰減。對區(qū)域內(nèi)每個要素點(diǎn)依照同樣的方法進(jìn)行計算，并對相同位置處的密度進(jìn)行疊加，可得到要素在整個區(qū)域的分布密度。設(shè)核函數(shù)為k，其帶寬為h，則x點(diǎn)處的密度估計為：

式中：k（）為核密度方程；h為閾值；x-xi為估計點(diǎn)x到樣本xi處的距離。100m×100m格網(wǎng)內(nèi)，人口并不是完全均勻分布的，我們將網(wǎng)格中心看作一個點(diǎn)，該點(diǎn)的值為網(wǎng)格內(nèi)的人口數(shù)，通過計算點(diǎn)值密度來表示人口密度分布。

2.2人口空間化技術(shù)實(shí)現(xiàn)

2.2.1權(quán)重系數(shù)確立

本文將不同類型建筑在不同鄉(xiāng)鎮(zhèn)中的統(tǒng)計數(shù)量和城鎮(zhèn)區(qū)不同類型建筑的夜間燈光亮度統(tǒng)計值歸一化后，得到各建筑類別的人口權(quán)重系數(shù)。具體流程為：①將建筑類別由.xls格式轉(zhuǎn)換為空間矢量數(shù)據(jù)，讀取建筑單體定位數(shù)據(jù)并進(jìn)行投影轉(zhuǎn)換。②判斷單體建筑所屬行政區(qū)劃。③遍歷80532個建筑單體定位點(diǎn)，判斷點(diǎn)位于第i個鄉(xiāng)鎮(zhèn)街道單元內(nèi)并累計次數(shù)。④累計定位次數(shù)總值得到各類建筑物數(shù)據(jù)統(tǒng)計表（表2），按照標(biāo)準(zhǔn)化方法將各個鄉(xiāng)鎮(zhèn)的各類建筑指標(biāo)值進(jìn)行歸一化處理，將第i個鄉(xiāng)鎮(zhèn)街道作為單位1，歸一化后計算第i個鄉(xiāng)鎮(zhèn)街道單元第j類建筑類型的統(tǒng)計人口分配權(quán)重Pij（表3）。

2.2.2初步人口空間化

（1）鄉(xiāng)村地區(qū)

天地圖遙感影像與重點(diǎn)隱患調(diào)查建筑物數(shù)據(jù)得出：鄉(xiāng)村地區(qū)建筑主要為獨(dú)棟庭院式建筑。因此根據(jù)面積權(quán)重法的基本原理，假設(shè)第i個鄉(xiāng)鎮(zhèn)第j類用途建筑上的人口為均勻分布，第i個鄉(xiāng)鎮(zhèn)第j類用途建筑的平均人口密度即為第k個格網(wǎng)單元內(nèi)第j類建筑類型的人口密度，根據(jù)式（1）、（2）計算第k個格網(wǎng)單元的初步人口預(yù)測值為：

式中：Pij代表第i個鄉(xiāng)鎮(zhèn)第j類用途建筑的統(tǒng)計人口分配權(quán)重；POPi代表第i個鄉(xiāng)鎮(zhèn)街道的統(tǒng)計人口值；Sij代表第i個鄉(xiāng)鎮(zhèn)街道第j類用途建筑的面積；Skj代表第k個格網(wǎng)第j類用途建筑的面積；m代表建筑用途類型的總數(shù)。

（2）城鎮(zhèn)地區(qū)

在云南地區(qū)，隨著城鎮(zhèn)化的發(fā)展，城市內(nèi)部人口分布的空間差異性越來越大，特別是高層住宅樓、商業(yè)中心和辦公樓等，小面積的土地上聚集大量的人口。因此，在城鎮(zhèn)化較高區(qū)域引入夜間燈光亮度統(tǒng)計值作為人口密度分配權(quán)重，避免傳統(tǒng)的面積權(quán)重法在人口計算時帶來的局部誤差。第七次全國人口普查盈江縣數(shù)據(jù)顯示城鎮(zhèn)人口主要分布在縣城所在鄉(xiāng)鎮(zhèn)，將城鄉(xiāng)人口比例帶入城鎮(zhèn)人口空間化模型，由式（1）、（2）、（4）計算縣級行政中心所在鄉(xiāng)鎮(zhèn)第k個格網(wǎng)單元的初步人口預(yù)測值POPk：

式中：Pijl代表第i個鄉(xiāng)鎮(zhèn)第j類用途建筑的燈光亮度統(tǒng)計人口分配權(quán)重；Fkj代表第k個格網(wǎng)第j類用途建筑的燈光亮度值；Fijl代表第i個鄉(xiāng)鎮(zhèn)第j類用途建筑的燈光亮度統(tǒng)計值。

3結(jié)果與分析

根據(jù)鄉(xiāng)村、城鎮(zhèn)地區(qū)人口空間化模型計算得到盈江縣100m×100m格網(wǎng)人口空間化結(jié)果（圖5）。由表2～3可以看出，人口主要分布在住宅、商業(yè)中心、社會服務(wù)保障設(shè)施和其他用途建筑中。傳統(tǒng)面積權(quán)重法的目標(biāo)區(qū)為整個區(qū)域建筑，實(shí)際上不同地區(qū)、不同類型建筑的人口分布具有差異。本文引入第一次自然災(zāi)害風(fēng)險普查重點(diǎn)隱患數(shù)據(jù)和夜間燈光遙感數(shù)據(jù)，利用這兩種數(shù)據(jù)表征人口空間分布優(yōu)勢，結(jié)合普通面積權(quán)重法的基本原理，將目標(biāo)區(qū)縮小到鄉(xiāng)鎮(zhèn)街道內(nèi)部不同用途建筑上，這在一定程度上克服了傳統(tǒng)方法目標(biāo)區(qū)范圍較大造成鄉(xiāng)鎮(zhèn)街道人口空間化結(jié)果不準(zhǔn)確的缺陷，得到2020年盈江縣100m×100m人口格網(wǎng)數(shù)據(jù)。由圖5可見，人口密度高的地區(qū)主要集中于各級行政區(qū)劃中心，盈江縣區(qū)域內(nèi)最大格網(wǎng)值為592人/萬m2，為盈江縣平原鎮(zhèn)江岸明珠小區(qū)1期及周邊1個酒店人口之和，大部分地區(qū)是人口密度為0的無人區(qū)域，這一結(jié)果基本反映了盈江縣人口分布的基本狀況。

3.1內(nèi)檢精度比

相對誤差計算公式為：

相對誤差=擬合人口-普查人口[]普查人口×100%（6）

結(jié)合式（6）以及相關(guān)性檢驗(yàn)對人口空間化結(jié)果進(jìn)行定量精度驗(yàn)證。計算得到相對誤差范圍為：［-0.56％，0.51％］，誤差絕對值平均值為0.13％，圖6相關(guān)性分析結(jié)果表明，盈江縣15個鄉(xiāng)鎮(zhèn)的空間化人口數(shù)據(jù)統(tǒng)計值和鄉(xiāng)鎮(zhèn)人口數(shù)據(jù)相關(guān)系數(shù)R2接近１，檢驗(yàn)結(jié)果表明本研究的人口數(shù)據(jù)空間化結(jié)果達(dá)到了較高的精度。

3.2與全國、全球人口格網(wǎng)數(shù)據(jù)比較

將本文人口空間分布研究成果（以下簡稱POP2020）與中國人口空間分布公里網(wǎng)格數(shù)據(jù)集（以下簡稱ChinaPOP）和全球人口網(wǎng)格數(shù)據(jù)集（以下簡稱WorldPOP）進(jìn)行比較可以看出：

（1）研究方法。ChinaPOP數(shù)據(jù)是在計算各縣級行政單元單位權(quán)重人口占比的基礎(chǔ)上，應(yīng)用柵格空間計算，把單位權(quán)重上的人口數(shù)與總權(quán)重相結(jié)合，進(jìn)行人口的空間化；WorldPOP數(shù)據(jù)采用的是機(jī)器學(xué)習(xí)方法，通過隨機(jī)森林的動態(tài)分布模型，導(dǎo)入豐富的基礎(chǔ)變量數(shù)據(jù)后計算得出，流程簡單，但該方法計算較為龐雜；本文的POP2020方法選用的人口、建筑物數(shù)據(jù)精度高，計算模型影響因子較少，便于人口空間化。

（2）數(shù)據(jù)成果。將3組人口格網(wǎng)數(shù)據(jù)按鄉(xiāng)鎮(zhèn)行政區(qū)劃進(jìn)行統(tǒng)計，可以看出3組格網(wǎng)人口數(shù)據(jù)總量均接近于普查統(tǒng)計人口，POP2020數(shù)據(jù)最接近普查統(tǒng)計人口值（圖6），ChinaPOP與WorldPOP的部分鄉(xiāng)鎮(zhèn)人口數(shù)量與實(shí)際統(tǒng)計結(jié)果存在數(shù)量級差距（表4）。

（3）人口空間分布。由圖7可以看出，3組人口空間分布圖能在一定程度上宏觀地反映區(qū)域人口的疏密，但ChinaPOP人口空間分布與研究區(qū)人口的實(shí)際分布嚴(yán)重不符；POP2020與WorldPOP人口空間分布情況大體一致，但由于POP2020選用了災(zāi)害風(fēng)險普查建筑物單體數(shù)據(jù)，人口數(shù)據(jù)的空間分辨率明顯較高。

3.3實(shí)際震例中的應(yīng)用

在完成人口空間化的基礎(chǔ)上，以2021年6月12日云南省盈江縣MS5.0地震為例，對災(zāi)害調(diào)查行政區(qū)劃統(tǒng)計人口云南省地震局.2021.2021年6月12日云南盈江5.0級地震災(zāi)害直接經(jīng)濟(jì)損失評估報告.、云南快速評估系統(tǒng)格網(wǎng)人口http：//47.99.180.16：8081/page/index.html.、盈江縣POP2020格網(wǎng)人口進(jìn)行對比分析。此次地震造成云南省德宏州盈江縣3個鄉(xiāng)鎮(zhèn)不同程度受災(zāi)，無人員傷亡，直接經(jīng)濟(jì)總損失約3720萬元。地震災(zāi)區(qū)（Ⅵ度區(qū)域）涉及盈江縣勐弄鄉(xiāng)、卡場鎮(zhèn)和蘇典傈僳族鄉(xiāng)的9個行政村（社區(qū)）。實(shí)地災(zāi)害調(diào)查過程中，按照實(shí)際受災(zāi)行政村進(jìn)行統(tǒng)計的受災(zāi)人口為22639人，5549戶；利用云南快速評估系統(tǒng)公里格網(wǎng)計算受災(zāi)人口為18000人；本文的100m×100m格網(wǎng)統(tǒng)計受災(zāi)人口為19657人，受災(zāi)建筑5326棟。從震區(qū)人口分布圖看（圖8），Ⅵ度區(qū)雖然涉及3個鄉(xiāng)（鎮(zhèn)）9個行政村（社區(qū)），但勐弄鄉(xiāng)、卡場鎮(zhèn)并非所有行政村人口都在Ⅵ度區(qū)內(nèi)，蘇典傈僳族鄉(xiāng)僅有少量人口落入Ⅵ度區(qū)內(nèi)，說明基于行政區(qū)劃統(tǒng)計的數(shù)據(jù)容易放大災(zāi)區(qū)受災(zāi)人口，現(xiàn)有格網(wǎng)數(shù)據(jù)由于數(shù)據(jù)源和方法的局限性，數(shù)據(jù)的空間分辨率暫不能滿足地震應(yīng)急精細(xì)化需求；宏觀震中半徑2km范圍均為無人居住區(qū)，這可能是本次地震無人員傷亡的因素之一。本文的人口空間化數(shù)據(jù)統(tǒng)計估算的受災(zāi)人口（圖8）避免了行政區(qū)劃分割造成的數(shù)據(jù)分配錯誤，能夠較為合理地反映行政區(qū)劃內(nèi)部的人口空間分布，從而保證災(zāi)情快速評估結(jié)果的可靠性。

4討論

2021年，我國公布第七次全國人口普查數(shù)據(jù)和第一次全國自然災(zāi)害綜合風(fēng)險普查統(tǒng)計調(diào)查數(shù)據(jù)，對該年份開展人口分布的精細(xì)化研究可以為鄉(xiāng)鎮(zhèn)級人口數(shù)據(jù)空間化提供基準(zhǔn)。第一次全國自然災(zāi)害綜合風(fēng)險普查是我國首次開展的全國性綜合自然災(zāi)害風(fēng)險摸底，是一項(xiàng)重大國情國力調(diào)查，也是進(jìn)一步做好防災(zāi)減災(zāi)救災(zāi)工作的重要基礎(chǔ)，為本文的研究提供了單體建（構(gòu)）筑物的詳細(xì)信息數(shù)據(jù)。基于風(fēng)險普查重點(diǎn)隱患調(diào)查數(shù)據(jù)的人口分布精細(xì)化研究在未來的地震應(yīng)急中大有可為，不僅可提高震時人口空間分布估計精度，而且利用其包含的豐富屬性信息，可為地震災(zāi)害風(fēng)險的精細(xì)化評估提供較為可靠的人口、建筑物數(shù)據(jù)基礎(chǔ)。

本文利用空間分析準(zhǔn)確判斷建筑物單體的位置，累計格網(wǎng)建筑物數(shù)量和夜間燈光亮度值，得到統(tǒng)計人口在鄉(xiāng)鎮(zhèn)街道內(nèi)部不同類型建筑上的實(shí)際分配權(quán)重。基于傳統(tǒng)面積權(quán)重法的基本原理，將目標(biāo)區(qū)從整體建筑縮小到鄉(xiāng)鎮(zhèn)（街道）內(nèi)部不同用途建筑上，結(jié)合夜間燈光數(shù)據(jù)探究多源數(shù)據(jù)與人口空間分布的關(guān)系，有效解決了鄉(xiāng)鎮(zhèn)街道模擬人口和統(tǒng)計人口差異較大的問題。將本文人口空間分布研究成果與中國人口空間分布公里網(wǎng)格數(shù)據(jù)集和全球人口網(wǎng)格數(shù)據(jù)集進(jìn)行綜合比較可以看出：本文研究選用的人口、建筑物數(shù)據(jù)精度較高，計算模型影響因子較少，便于人口空間化；模擬的盈江縣所有鄉(xiāng)鎮(zhèn)人口值接近行政區(qū)劃統(tǒng)計人口值；用構(gòu)建的盈江縣人口空間化模型得到的人口數(shù)據(jù)空間分辨率明顯提高，更加符合研究區(qū)人口的實(shí)際分布。

數(shù)據(jù)應(yīng)用方面，結(jié)合鄉(xiāng)鎮(zhèn)尺度人口普查統(tǒng)計數(shù)據(jù)、災(zāi)害風(fēng)險普查重點(diǎn)隱患建筑數(shù)據(jù)和夜間燈光遙感數(shù)據(jù)等多源數(shù)據(jù)制作的高精度人口空間化數(shù)據(jù)具有很大的應(yīng)用潛力。本文方法不僅能夠?yàn)樵颇系貐^(qū)地震應(yīng)急人口傷亡、經(jīng)濟(jì)損失、救援力量派遣等快速評估模型提供高精度基礎(chǔ)人口數(shù)據(jù)支持，有效提高地震災(zāi)害預(yù)評估結(jié)果的準(zhǔn)確性，提高地震災(zāi)害精確救援，而且可為全省地震應(yīng)急提供人口空間化產(chǎn)品，服務(wù)于地震應(yīng)急輔助決策，為地震災(zāi)害風(fēng)險評估提供數(shù)據(jù)支持。

本文方法也存在一定的局限性。在利用人口、房屋普查數(shù)據(jù)優(yōu)勢的同時，不可忽略少部分單體建筑物調(diào)查數(shù)據(jù)的有偏性。具體表現(xiàn)在2個方面：①全國災(zāi)害風(fēng)險普查重點(diǎn)隱患數(shù)據(jù)仍需要對少部分?jǐn)?shù)據(jù)的準(zhǔn)確性進(jìn)行核查；②人口、建筑普查數(shù)據(jù)更新周期過長，人口普查數(shù)據(jù)10年一次，而建筑物普查為第一次。本文通過空間分析證明建筑物單體數(shù)據(jù)、夜間燈光數(shù)據(jù)與鄉(xiāng)鎮(zhèn)（街道）統(tǒng)計人口數(shù)據(jù)具有較強(qiáng)的相關(guān)性，顯示出自然災(zāi)害風(fēng)險普查數(shù)據(jù)的優(yōu)勢，但是沒有對學(xué)校和醫(yī)院等人口高度集中區(qū)域進(jìn)行定量深入探討，這一部分工作在后續(xù)研究中將繼續(xù)深入。

5結(jié)論

本文基于2021年我國公布的第七次全國人口普查數(shù)據(jù)和全國自然災(zāi)害風(fēng)險普查建筑物隱患調(diào)查建筑物單體數(shù)據(jù)，針對地震應(yīng)急人口空間化數(shù)據(jù)對技術(shù)方法的需求，進(jìn)行精細(xì)化人口空間分布研究，得到以下結(jié)論：

（1）本文的方法融合了人口普查數(shù)據(jù)尺度小、災(zāi)害風(fēng)險普查重點(diǎn)隱患數(shù)據(jù)精度高、夜間燈光數(shù)據(jù)反映人口微觀特征好等特點(diǎn)，構(gòu)建盈江縣100m×100m格網(wǎng)人口空間化模型，能夠充分利用人口普查數(shù)據(jù)優(yōu)勢，客觀反映該地區(qū)人口真實(shí)的空間分布。

（2）在傳統(tǒng)面積權(quán)重法的基礎(chǔ)上，結(jié)合各類建筑物數(shù)量、夜間燈光亮度比重對統(tǒng)計人口空間化進(jìn)行權(quán)重分配，避免了不同鄉(xiāng)鎮(zhèn)同類建筑之間人口分布的差異對空間化結(jié)果精度的影響，顯著提高了空間化初步模擬人口分布的精度，并能刻畫出區(qū)域內(nèi)部人口的精細(xì)分布特征。

（3）本文的人口空間分布精細(xì)化研究選用的數(shù)據(jù)精度更高，計算方法較為簡單實(shí)用；與2020年盈江縣人口普查數(shù)據(jù)相關(guān)系數(shù)R2接近100%，鄉(xiāng)鎮(zhèn)尺度統(tǒng)計人口的相對誤差均小于0.6%；本文的人口格網(wǎng)數(shù)據(jù)空間分辨率明顯高于中國人口空間分布公里網(wǎng)格和全球人口網(wǎng)格數(shù)據(jù)集。

參考文獻(xiàn)：

柏中強(qiáng)，王卷樂，姜浩，等.2015.基于多源信息的人口分布格網(wǎng)化方法研究［J］.地球信息科學(xué)學(xué)報，17（6）：653-660.

曹彥波，李永強(qiáng)，李敏，等.2014.基于多源數(shù)據(jù)的云南人口空間分布模擬研究［J］.中國地震，30（1）：118-131.

陳晴，侯西勇.2015.集成土地利用數(shù)據(jù)和夜間燈光數(shù)據(jù)優(yōu)化人口空間化模型［J］.地球信息科學(xué)學(xué)報，17（1）：1370-1377.

淳錦，張新長，黃健鋒，等.2018.基于POI數(shù)據(jù)的人口分布格網(wǎng)化方法研究［J］.地理與地理信息科學(xué)，34（4）：83-89.

杜志強(qiáng)，黃冬寧，丁火平，等.2021.融合POI數(shù)據(jù)的建成區(qū)人口數(shù)據(jù)空間化方法——以武漢市為例［J］.地理信息世界，28（1）：21-25.

郭山山，龔俊，尹晶飛.2016.基于DMSP/OLS的人口分布網(wǎng)格精細(xì)化研究［J］.地震研究，39（2），321-326.

韓貞輝，李志強(qiáng)，陳振拓.2013.人口、房屋數(shù)據(jù)空間化及其在震災(zāi)快速評估中的應(yīng)用——以彝良地震為例［J］.地震地質(zhì)，35（4）：894-906.

賈召亮，鄭川，李袁欣，等.2020.面向地震應(yīng)急的人口空間化方法研究——以云南省大理白族自治州為例［J］.地震研究，43（4）：751-758.

李東平，黃樂，陳海鵬，等.2017.基于手機(jī)位置數(shù)據(jù)的四川九寨溝7.0級地震人流分析［J］.中國地震，33（4）：602-612.

李慧敏，羅大偉，竇世卿.2022.利用騰訊位置大數(shù)據(jù)進(jìn)行多尺度人口空間化估算［J］.測繪通報，（6）：93-97.

劉軍，孫甲寧，宋立軍，等.2016.一個非均勻密度分布的人口房屋格網(wǎng)數(shù)據(jù)模型［J］.地震工程學(xué)報，38（2）：296-301.

劉云霞，田甜，顧嘉鈺，等.2022.基于大數(shù)據(jù)的城市人口社會經(jīng)濟(jì)特征精細(xì)時空尺度估計——數(shù)據(jù)、方法與應(yīng)用［J］.人口與經(jīng)濟(jì)，250（1）：42-57.

潘穎，黃萬里，葉士琳，等.2020.基于土地利用類型數(shù)據(jù)的統(tǒng)計人口空間化模型研究：以福建省為例［J］.云南大學(xué)學(xué)報（自然科學(xué)版），42（4）：701-711.

孫艷萍，陳文凱，張?zhí)K平，等.2018.基于居民點(diǎn)密度的人口空間化及在四川九寨溝7.0級地震中的應(yīng)用［J］.地震工程學(xué)報，40（S1）：174-179.

王明明，王卷樂.2019.基于夜間燈光與土地利用數(shù)據(jù)的山東省鄉(xiāng)鎮(zhèn)級人口數(shù)據(jù)空間化［J］.地球信息科學(xué)學(xué)報，21（5）：699-709.

王曉潔，王卷樂，薛潤生.2020.基于普查和手機(jī)定位數(shù)據(jù)的鄉(xiāng)鎮(zhèn)尺度人口空間化方法研究［J］.地球信息科學(xué)學(xué)報，22（5）：1095-1105.

徐新良.2020.中國人口空間分布公里網(wǎng)格數(shù)據(jù)集（2019版）.［DB/OL］（2020-02-36）［2022-05-20］.http：//www.resdc.cn/DOI），2017.DOI：10.12078/2017121101.

楊曉榮，陳楠.2019.基于多源數(shù)據(jù)的福建省人口數(shù)據(jù)空間化研究［J］.貴州大學(xué)學(xué)報（自然科學(xué)版），36（2）：79-85.

袁小祥，王曉青，竇愛霞，等.2018.面向地震風(fēng)險評估的人口空間格網(wǎng)化技術(shù)研究［J］.地震，38（4）：151-158.

云南省民政廳，云省省地圖院.2020.云南行政區(qū)劃簡冊［M］.長沙：湖南底圖出版社.

朱守杰，杜世宏，李軍，等.2020.融合多源空間數(shù)據(jù)的城鎮(zhèn)人口分布估算［J］.地球信息科學(xué)學(xué)報，22（8）：1607-1616.

BondarenkoM，KerrD，SorichettaA，etal.2020.Census/projection-disaggregatedgriddedpopulationdatasetsfor189countriesin2020usingBuilt-SettlementGrowthModel（BSGM）outputs［J］.WorldPop，UniversityofSouthampton，UK.doi：10.5258/SOTON/WP00684.

GongP，ChenB，LiXC，etal.2020.MappingessentialurbanlandusecategoriesinChina（EULUC-China）：Preliminaryresultsfor2018［J］.ScienceBulletin，65（3）：182-187.