基于GIS的中国沿海区域人口分布研究
Study on The Population Model in China’s Costal Zone Based on GIS
LI Chun’e ZHANG Li-jun
（Xinjiang Information Engineering School 〈Xinjiang Meteorology Training Centre〉，Urumqi Xinjiang 830013）
【Abstract】According to the national region economy division standard， dividing the China’s coastal zone into the north coastal synthesizes economic zone， the eastern coastal synthesizes economic zone and the south coastal synthesizes economic zone. In various regions， analysing the ration relations of the population spatial distribution characteristic and correlation factors through theory， method and technique， putting forward the key index which have close correlation with population spatial， establishing the population mathematical model， finally verifying the precision in various regions population model， and analysing the population distribution characteristic and the factors which affect various regions population distribution. The verification method includes independent-samples T-test and the correlation analysis of model-population and census population. The conclusion is below：1.The north coastal synthesizes economic zone， Key factors： GDP， rail， river and area of plain， Population model：（x1 is GDP， x2 is rail， x3 is river，x4 is area of plain） The result of T-test： the value of sig is 0.334 which is bigger than 0.05， the value of F is 0.949， and the value of R2 is 0.6679；The characteristic of population distribution： the distribution of population is denseness in the inland-plain and coastland where the hypsography is evenness， the traffic is convenient and economic is develop， and sparseness in the in the hill and inland-mountain.2.The eastern coastal synthesizes economic zone.Key factors： GDP， area of plantation， and area of residential；Population model：（x1 is GDP， x2 is area of plantation，x3 is area of residential）The result of T- test： the value of sig is 0.290 which is bigger than 0.05， the value of F is 1.147， and the value of R2 is 0.6668；The characteristic of population distribution： the whole distribution of population is denseness， especially more denseness in the zone where the traffic is convenient and economic is develop.3.The south coastal synthesizes economic zone， Key factors： GDP， area of water and area of residential； Population model：（x1 is GDP，x2 is area of water，x3 is area of residential）The result of T-test： the value of sig is 0.281 which is bigger than 0.05， the value of F is 1.181， and the value of R2 is 0.6915；The characteristic of population distribution： the distribution of population is denseness in the zone where the distribution of inland-river is denseness and the accumulative temperature is lower， and sparseness in the hill and lowland where the accumulative temperature is higher. 【Key words】GIS； Costal； Population model
1 研究理论基础
人口分布指人口在某一特定时间、空间的集散状态、。它是人口地理学研究的核心问题，同生产分布及经济社会发展息息相关。人口分布不单指人口数量的分布，还包括其他人口现象在地理空间的聚集与扩散状态，如人口质量、人口结构、人口自然增长与机械变动、人口居住地类型等空间的组合特征和空间联系[1]。
人口密度是指特地定范围内单位土地面积上的常住人口数，它是表现人口分布的主要形式和衡量人口分布地区差异的主要指标。通过人口密度指标便于比较区域间的人口分布的稠密情况，显示区域间人口分布的差异性[1]。
人口区划是在一个国家或较大的区域范围内，根据人口分布的基本特点及其影响因素的区内类似性与区间差异性而划分的人口区域。区划的具体指标包括自然地理特征指标（例如地形、气候、水文、土地资源和矿产资源特征等）和社会经济条件指标（例如生产力水平、产业结构、文化特点等）[2-4]。
基于遥感和GIS技术研究人口的文献[5-17]，主要是通过自然（遥感影像信息、地形、海拔、坡度、坡向、水文、气候、土壤、交通、居民点、土地利用类型等）、经济（GDP、第一、二、三产业产值等）等因子与人口数据进行相关性分析，得出与人口分布较为密切的关键因子，并建立人口模型和生成人口密度空间分布图，采用的方法主要有格点生成法、复合面积内插法、分区建模法和多因子加权建模法等。
2 研究区域概况
根据国务院发展研究中心的报告指出，中国的东、中、西区域划分方法已经不合时宜，为此，报告提出“十一五”期间中国划分为东部、中部、西部、东北四大板块，再将四个板块划分为八大综合经济区的具体构想[11-20]。本文的研究范围是在报告提出的八大综合经济区所包括的北部沿海综合经济区（包括北京、天津两市、河北、山东两省）、东部沿海综合经济区（包括上海市、江苏、浙江两省）和南部沿海经济区（包括福建、广东、海南三省），因数据获取等问题，暂时不考虑我国的港澳台地区。
该区域从北往南属暖温带湿润半湿润地区、亚热带湿润地区和热带湿润地区，年降水量均在400mm以上，北部和东部沿海区域一年四季分明，南部沿海区域长夏无冬。水量丰富，汛期长，地貌以平原和丘陵为主，交通网络稠密，水陆运输条件好，农业发展基础好，工业状况北部偏重工业，东部和南部偏轻工业。经济基础较我国中西部有明显的优势[21]。
3 研究材料
3.1 自然数据
3.1.1 沿海区域省级、县级行政区域数据
来自中国2003年行政区域图，数据格式为Coverage，比例尺为1：100万。
3.1.2 沿海区域河流水系数据
来自国家测绘科学数据共享网的1：400万三级以上河流、1：400万四级河流和1：400万五级河流，时间为1997年，数据格式为EOO。
3.1.3 沿海区域DEM数据和土地利用类型数据
来自中国科学院地理科学研究所，时间为2000年，数据格式分别为GRID和Coverage格式。
3.1.4 沿海区域气候数据
来自中国气象科学数据共享服务网，时间范围为1951-2005年，数据格式为Shape格式。
3.1.5 沿海区域地形地貌数据
对李炳元先生主编的1：100万形态地貌图进行数字化形成1：400万地貌图，时间为1996，数据格式为Coverage格式。
3.2 经济数据
3.2.1 沿海区域第五次人口普查数据
来自中国科学院资源环境科学数据中心，时间为2000年，数据格式为EXCEL。
3.2.2 沿海区域2000年GDP数据
来自中国科学院资源环境科学数据中心和国家统计局综合司编制的《中国区域经济统计年鉴2001》，时间为2000年，数据格式为EXCEL。
3.2.3 沿海区域2000年非农业户口人口比重数据和第一、二、三产业人口占行业人口比重数据
来自中国科学院资源环境科学数据中心，时间为2000年，数据格式为EXCEL。
3.2.4 沿海区域公路数据和铁路数据
来自国家测绘科学数据共享网的1：400万基础地理信息数据，时间为1997年，数据格式为EOO格式。
4 研究方法
4.1 基础数据处理
4.1.1 河流数据
在Arc info软件中，通过“Import”命令把E00格式转换为coverage格式；通过“Project”功能设置投影参数（同行政区域数据），通过“Merge”合并三级、四级和五级河流数据；通过“Intersect”叠加合并后的河流和县级行政区域数据，通过“Length”计算各县的河流长度。
4.1.2 DEM数据
在Arc GIS软件中，通过“Mosaic to new raster”功能把DEM数据转换成分辨率为250米的GRID数据，通过“Zonal statistics as table”计算出各县的DEM平均值。
4.1.3 土地利用类型数据
在Arc GIS软件中，通过Feature to raster”转换成分辨率为250米的GRID数据；通过“Tabulate area”功能，计算出各县级的各土地利用类型的面积，并按照人口分布的影响因素和土地利用类型分类的标准，将相关的类型合并计算[例如非适宜区包括水域（代码为41-46）和未利用类型（代码为61-67），适宜区包括居住区（代码为51-53）和非居住区，非居住区包括耕地（代码为11-12）、林地（代码为21-24）和草地（代码为31-33）]。 4.1.4 气候数据
在Arc GIS软件中，采用克里金法（Kriging）插值方法对气象站点数据的插值，形成分辨率为250m的GRID数据；通过“Zonal statistics as table”功能，计算各县的气候数据均值。
4.1.5 地形地貌数据
在Arc GIS软件中，通过“Import cover”命令把EOO格式的数据转换成coverage格式；通过“Dissolve”功能，按照地貌类型的代码融合地貌类型数据的属性表；通过“Feature to raster”功能转换成分辨率为250米的GRID数据，通过“Tabulate area”功能，计算出各县的各地貌类型的面积，并根据平原、丘陵和山地三大地貌类型标准重新合并计算面积（平原类型[合并代码：2-21，23，26-34，36-40，43-44，67-85，88，90-96，98-107，109]，山地类型[合并代码：24，25，35，41，45，46，51-53，86，89，97，110]，丘陵类型[合并代码：22，42，55，87，108]，其他[合并代码：其余代码]）。
4.1.6 公路和铁路数据
在Arc info软件下，通过“Import”命令把E00格式的数据转换为Coverage格式；通过“Intersect”叠加公路数据（和铁路数据）和县级行政区域数据，通过“length”计算属性表中各县的公路和铁路长度。
4.1.7 经济数据
校正第五次人口普查数据、GDP、非农业户口人口比重数据和第一、二、三产业人口占行业人口比重数据的统计口径，以保证经济数据的统计范围和县级行政数据中的空间范围保持一致。
4.2 后期处理分析
随机选取85%的县级区域数据做分析，剩余的15%的数据作为最后的模型验证数据。
首先，在SPSS软件中得出三个区域内各数据的散点矩阵图，重点分析人口普查数据和其他数据间的散点图趋势。然后，剔除与人口普查数据相关性较差或无关的数据，把与人口普查数据相关性较好的数据重新建立散点矩阵图和相关性矩阵，选取与人口普查人口数据相关性大于等于0.6，且无明显自相关性的指标作为关键指标[22-33]。
最后，建立人口指标与各关键指标间的模型，再对各模型进行权重相加[34]，得出最终的人口模型，权重系数由各关键指标与人口普查数据的绝对系数R2确定，用剩余的15%的数据检验各区域模型的精确度并分析其原因。
5 研究结果
5.1 各区域指标间的散点图矩阵
5.1.1 北部沿海综合经济区（如图1（a-e））
（a） （b）
（c） （d）
（e）
图1 （a-e） 北部沿海综合经济区原始数据散点矩阵图
Fig1 （a-e） Initial data dot matrix in the north coast synthetical economic zone
存在线性或非线性关系的指标： GDP、road（公路）、rail（铁路）、river（河流）、耕地面积、居民区面积和平原面积。
不存在关系的指标：第一、二、三产业人口比重、非农业人口比重、DEM、水域面积、aat（年均温）、jw（大于0℃年积温）、aap（年降水）、aah（相对湿度）、aas（日照时数）、林地面积、草地面积、未利用面积、非适宜区面积、适宜区面积、丘陵面积和山地面积。
5.1.2 东部沿海综合经济区（如图2[a-e]q）
存在线性或非线性关系的指标： GDP、耕地面积、居民区面积和平原面积。
不存在关系的指标：第一、二、三产业人口比重、非农业人口比重、road（公路）、rail（铁路）、river（河流）、DEM、水域面积、aat（年均温）、jw（大于0℃年积温）、aap（年降水）、aah（相对湿度）、aas（日照时数）、林地面积、草地面积、未利用面积、非适宜区面积、适宜区面积、丘陵面积和山地面积。
（a） （b）
（c） （d）
（e）
图2 （a-e）东部沿海综合经济区原始数据散点矩阵图
Fig2 （a-e） Initial data dot matrix in the eastern coast synthetical economic zone
5.1.3 南部沿海综合经济区（如图3[a-e]）
存在线性或非线性关系的指标：GDP、第一产业人口比重、DEM、水域面积、耕地面积、居民区面积和平原面积。
不存在关系的指标：第二、三产业人口比重、非农业人口比重、road（公路）、rail（铁路）、river（河流）、aat（年均温）、jw（大于0℃年积温）、aap（年降水）、aah（相对湿度）、aas（日照时数）、林地面积、草地面积、未利用面积、非适宜区面积、适宜区面积、丘陵面积和山地面积。
5.2 提取各区域内关键性指标，并建立人口模型
5.2.1 北部沿海综合经济区
选定本区域R2大于0.36的GDP、rail、river和平原面积四个指标，并做散点矩阵图和相关性矩阵分析，查看指标间的自相关性，可以确定三个指标间没有明显的自相关性。散点矩阵图如图4所示。
人口指标与GDP间的模型：
人口指标与rail间的模型：
人口指标与river间的模型：
人口指标与平原面积间的模型：
根据三个指标与人口普查数据间的R2值确定三指标的权重系数分别是：GDP为0.36，rail为0.24，river为0.15，平原面积为0.25。 北部沿海综合经济区人口模型：
（x1为GDP，x2为rail，x3为river，x4为平原面积）
（a） （b）
（c） （d）
（e）
图3 （a-e）南部沿海综合经济区原始数据散点矩阵图
Fig3 （a-e） Initial data dot matrix in the south coast synthetical economic zone
5.2.2 东部沿海综合经济区
选定本区域R2大于0.36的GDP、耕地面积、居民区面积和平原面积四个指标，并做散点矩阵图和相关性矩阵分析，查看指标间的自相关性，可以发现平原面积和耕地面积间的R值为0.961，剔除平原面积指标。散点矩阵图如图5所示。
人口指标与GDP间的模型：
人口指标与耕地面积间的模型：
人口指标与居民区面积间的模型：
根据三个指标与人口普查数据间的R2值确定三指标的权重系数分别是：GDP为0.34，耕地面积为0.30，居民区面积为0.36。
东部沿海综合经济区人口模型：
（x1为GDP，x2为耕地面积，x3为居民区面积）
5.2.3 南部沿海综合经济区
选定本区域R2大于0.36的GDP、水域面积和居民区面积三个指标，并做散点矩阵图和相关性矩阵分析，查看指标间的自相关性，三个指标间没有明显的自相关性。散点矩阵图如图6所示。
人口指标与GDP间的模型：
人口指标与水域面积间的模型：
人口指标与居民区面积间的模型：
根据三个指标与人口普查数据间的R2值确定三指标的权重系数分别是：GDP为0.41，水域面积为0.20，居民区面积为0.39。
南部沿海综合经济区人口模型：
（x1为GDP，x2为水域面积，x3为居民区面积）
图4 北部沿海综合经济区散点矩阵图
Fig4 Dot matrix in the north coast synthetical economic zone
图5 东部沿海综合经济区散点矩阵图
Fig5 Dot matrix in the eastern coast synthetical economic zone
图6 南部沿海综合经济区散点矩阵图
Fig6 Dot matrix in the south coast synthetical economic zone
6 结果及存在的不足
6.1 结果讨论
6.1.1 北部沿海综合经济区
T检验结果：sig值为0.334>0.05，F值为0.949。说明此区域模型人口数据的均值与人口普查数据的均值差异不显著。模型人口数据与人口普查数据作相关性分析（图7所示）可以看出，R2值为0.6679。
北部沿海综合经济区人口模型有四个关键指标：GDP，rail（铁路长度），river（河流长度）和平原面积，并且GDP的线性相关性R 高达0.9358，其次为平原面积、rail和river长度。该区整体气候适宜，地势较为平坦，比较适合人类居住，经济发展水平整体较高，交通便利，河流较多，人口分布整体上较为稠密，特别是沿海城市人口分布较为密集。
6.1.2 东部沿海综合经济区
T检验结果：sig值为0.290>0.05， F值为1.147。说明此区域模型人口数据的均值与人口普查数据的均值差异不显著。模型人口数据与人口普查数据作相关性分析（图8所示），可以看出，R2值为0.6668。
东部沿海综合经济区人口模型有三个关键指标：GDP，耕地面积和居民区面积，并且居民区面积指标的影响程度最高，其次分别为GDP和耕地面积。该地区为我国经济发达地区，整体生产力发展水平较高，交通十分便利，区内经济发展差异相对较小，地势较为平坦，上海、南京、杭州和宁波等大型城市的人口分布十分密集，居民区面积和耕地面积的大小很大程度上决定着该地区人口的容纳程度。
6.1.3 南部沿海综合经济区
T检验结果：sig值为0.281>0.05， F值为1.181。说明此区域模型人口数据的均值与人口普查数据的均值差异不显著。模型人口数据与人口普查数据作相关性分析（图9所示）可以看出，R2值为0.6915。
南部沿海综合经济区人口模型有三个关键指标：GDP，水域面积和居住区面积，并且GDP和居住区面积对人口分布的影响程度较高，水域面积的影响较低。该地区气候整体较为湿热，交通便利，广东、福建地区的经济发达，内陆河流水系分布较为密集，是人口高密集地区，海南地区经济发展较落后，气候炎热，人口分布相对稀少。
图7 北部沿海综合经济区相关性
Fig7 Correlation in the south coast synthetical economic zone
图8 东部沿海综合经济区相关性
Fig8 Correlation in the eastern coast synthetical economic zone
图9 南部沿海综合经济区相关性
Fig9 Correlation in the south coast synthetical economic zone
6.2 存在的不足
6.2.1 数据方面的问题
影响人口分布的因素包括自然、社会经济、历史、文化背景等方面。本文由于部分数据不易定量、获取难等问题没有考虑。 空间数据的处理算法不可避免的存在不同程度的误差，这些误差同样会影响研究结果。
6.2.2 区划标准的精确性
社会经济数据一般是以行政区域为统计单元，而其他自然数据在行政区域边界是自然连续过度，要把两种不同口径下统计的数据统一到行政区域单元内，势必会影响行政区域边界地区数据过渡的不连续，从而影响到将来人口分布在行政边界上过渡的连续性。
6.2.3 人口模型指标权重的确定
本文人口模型中各指标的权重是通过客观赋权法确定的，这种方法具有较强的数学理论依据，较主观赋权法可以避免评价结果的主观随意性，但是这种方法在一定程度上不能体现决策者的意愿，可能与决策者考虑的结论有较大的差异。
