| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 经济/产业 |
| 东北三省人口变化研究 |
| 第756期 作者：□文/刘芷彤 时间：2025/7/2 9:10:55 浏览：78次 |
［提要］ 人口变化与经济发展、城市化进程以及生态文明建设有着不可分割的联系，研究人口空间变化可以预测人口数量变化、人口流动趋势等，解决所面临的社会问题。本文利用NPP/VIIRS夜间灯光数据计算出研究区域建成区内夜间灯光亮度总值，与第七次全国人口普查数据进行拟合，建立人口关系模型，利用关系模型估算出2014年、2017年、2020年逐月东北三省人口数量，并根据人口数量对人口流动进行分析，完成人口变化研究。
关键词：NPP/VIIRS夜间灯光数据；人口关系模型；人口变化
中图分类号：C92 文献标识码：A
收录日期：2024年12月27日
基于夜间灯光数据的人口变化研究依赖于人口数据的空间化。随着遥感技术的快速发展，人口数据空间化精度越来越高。夜间灯光遥感影像具有图幅范围大、数据序列长以及数据库完整等特点，适合作为解决人口相关方面问题的基础数据。研究人员发现，夜间灯光的灯光强度总值和研究区内的人口数量及其相关社会经济指标有着密切的联系，这为通过夜间灯光指数与人类活动各类相关因子建模估算提供了研究思路。随着夜间灯光遥感数据产品在近些年的不断扩充，新一代夜间灯光数据NPP/VIIRS的出现，极大地拓展了夜间灯光数据的研究方向和应用领域，涉及到人类活动的方方面面。国内外学者对此展开了丰富的研究，取得了一系列成果。夜间灯光数据成为衡量GDP、人口数量、城市扩张等社会经济要素预测的重要数据源。本文以NPP/VIIRS夜间灯光数据作为基础研究数据源，辅以第七次全国人口普查市级数据，建立回归方程，在此基础上精确至以网格为单位模拟东北三省逐月的人口数量，研究人口在年内的变化特征。
一、研究区域与研究数据
（一）研究区概况。本文的研究区为东北三省，即辽宁省、吉林省以及黑龙江省。辽宁省位于东北地区的南部，东北部与吉林省接壤，辖14个地级市；吉林省位于东北地区的中南部，北部与黑龙江省接壤、南部与辽宁省接壤，辖8个地级市、1个自治州，合计9个地级行政区划单位；黑龙江省，位于东北地区的北部，南部与吉林省接壤，辖12个地级市、1个地区，合计13个地级行政区划单位。
（二）研究数据及预处理
1、数据收集。本研究的基础研究数据源选用了2014年、2017年、2020年1～12月（除各年缺失的5～7月）的NPP/VIIRS月合成夜间灯光数据，时间间隔为1个月，时间跨度为7年。NPP/VIIRS夜间灯光影像作为实验数据，数据分辨率为500m，下载自美国国家环境信息中心。同时，利用第七次全国人口普查数据与夜间灯光数据进行拟合，下载自国家统计局。除夜间灯光数据、第七次全国人口普查数据之外，本研究用到的其他数据包括市级建成区面积数据、中国多年度地市行政区划边界数据。
2、NPP/VIIRS夜间灯光数据预处理。首先将数据进行裁剪，根据中国多年度地市行政区划边界数据，按掩膜提取的方法，将夜间灯光数据提取为东北三省36市的市级数据。将裁剪好的数据进行投影转换，转换为兰伯特方位角等面积投影，并以最邻近法进行重采样为500m的网格。由于NPP/VIIRS数据存在背景噪声，会存在负值和极大值，重采样后需要对影像进行异常值处理来减小误差，将水体覆盖区域和小于0的像元值赋值为0，并对具有极大像元值高亮度像元进行判断，对其采用人工的手法进行剔除，最后进行年际逐月连续性校正，若上个月出现过的正常像元，下个月也应该存在，否则应把其归为离群像元，将其剔除，最终得到所需数据。
二、人口模型构建
本研究以第七次全国人口普查数据为基础，依据2020年建成区面积数据，通过参考比较法确定提取建成区的最大阈值，从而确定各市提取的建成区面积。提取成功后，利用Google Earth进行精度验证来证实此方法的可行性。计算出提取的建成区域内的夜间灯光亮度总值，将其与统计年鉴中各市的人口统计数据进行拟合，建立回归方程，最后使用预测吻合度（G）来衡量人口数量估算的精度。最终利用通过验证的回归方程计算各市各月的人口数量，完成预估。
（一）建成区提取。利用参考比较法，依据中华人民共和国住房和城乡建设部2020年统计年鉴中的建成区面积数据，比照各市提取出的建成区面积，选择最佳阈值进行提取，最终得到各市的建成区面积数据，平均绝对误差为5.22km2，平均相对误差为3.15%。提取后利用Google Earth精度验证法进行验证，平均精度均在93.1%以上，证明该方法提取的建成区精度较高，可以用于本研究。
（二）人口关系模型。利用提取的建成区数据计算区域内夜间灯光亮度总值，将其与第七次全国人口普查数据进行拟合，分析2020年11月东北三省各市建成区内夜间灯光亮度总值与总人口数量之间的关系，据此建立线性人口关系模型，模型建立后对2020年11月人口数据进行估算，采用预测吻合度方法与第七次全国人口普查数据进行对比，对模型结果进行验证。验证成功后，根据模型对2014年、2017年、2020年1～12月（除5～7月）东北三省逐月进行人口数据的估算。
1、关系模型构建。本研究利用NPP/VIIRS数据中建成区内各市的夜间灯光亮度总值与东北三省各市人口数量进行线性回归方程的建立，线性方程为：
Pi=aDNi+b （1）
其中，Pi为2020年11月各市的统计人口数量，DNi为2020年11月各市NPP/VIIRS数据中以最大阈值提取的建成区内夜间灯光亮度总值，a、b为常数。回归方程为Pi=0.0065DNi+111.29，相关系数为0.8557，线性相关系数R2表示东北三省各市建成区内夜间灯光亮度总值和人口数量两者之间的线性相关性，线性相关系数R2＞0.8，表示两者线性高度相关，因此表明用NPP/VIIRS数据夜间灯光亮度值可以对人口数量进行估算。
2、结果验证。本研究引入预测吻合度（Goodness of prediction，G）为预测人口估算精度的衡量标准。计算第七次人口普查数据中的统计人口数据和根据模型估算出的人口数据，得到结果为91.29%。由此可知，人口关系模型预测结果较好，东北三省2020年11月各市建成区人口估算结果与第七次全国人口普查数据较为接近，适用于本研究。
三、结果分析
（一）人口数量分析。利用2020年11月NPP/VIIRS建成区内夜间灯光亮度总值与第七次全国人口普查拟合所建立的线性回归模型，推算出2014年、2017年、2020年东北三省35市逐月人口数量（大兴安岭地区缺少建成区数据，本研究不进行深入探讨）。通过大量的数据处理与计算得出结果，但由于数据量较大，为便于观察，仅展示具有代表性城市数据，具体如表1所示。（表1）
根据表1可以看出，2014～2020年东北三省预测人口数据变化数值较小，出现小幅度波动，部分城市人口增加，部分城市人口减少。计算得出，2014年东北三省各市年内预测人口数量差值最大的城市为长春市，差值为402.03万人，差值最小的城市为阜新市，差值为16.53万人；2017年预测人口数量差值最大的城市仍然是长春市，差值为567.59万人，差值最小的城市为阜新市，差值为9.59万人；2020年长春市和阜新市依然为预测人口数量差值最大和差值最小的城市，差值分别为778.78万人和16.32万人。由此可以得出，2014～2020年东北三省各市年内变化数值呈增大趋势，且变化最剧烈的城市为长春市，变化最平缓的城市为阜新市。
逐月来看，东北三省各市预测人口最大值多集中在12月和1月，最小值在其他月份均有分布，由此可得，人口数量的变化与时间变化存在一定的联系，冬季人口数量增多，且节假日期间人口略有增加趋势。
（二）人口流动分析。根据2014年、2017年、2020年逐月人口数量预估，分析东北三省各市人口流动的趋势及变化程度。由于人口数量预估值差异较大，为了便于观察将沈阳市、大连市、长春市、哈尔滨市四个副省级城市设定为一组，其他非副省级城市为一组。通过观察数据可以看出，2014～2020年东北三省副省级城市年内人口流动规模较大，其趋势为先急剧减少再上下波动后急剧增加。2014年1～2月人口流失规模较大且速度较快，2～10月人口数量上下波动，流动规模相较1～2月较小，10～12月人口出现回流，且流入规模较大、速度较快；2017年1～3月人口流失规模较大且速度较快，3～9月人口数量上下波动，流动规模很小，9～12月出现人口流入的现象，且流入规模较大、速度较快，但是沈阳市却在1月出现人口流入和11月人口流失现象；2020年1～3月人口流失规模较大且速度较快，3～9月人口数量上下波动，流动规模较小，9～11月同样出现人口回流，且流入规模较大、速度较快，12月出现小型人口流失现象。
对东北三省非副省级城市进行分析，其人口流动规模较副省级城市较小，人口流动趋势与副省级城市相似，呈现先急剧减少再上下波动后急剧增加的曲线走势。2014年1～3月人口流失规模较大且速度较快，3～11月人口数量上下波动，流动规模相较1～2月较小，11～12月人口出现回流，且流入规模较大、速度较快；2017年1～3月人口流失规模较大且速度较快，3～10月人口数量上下波动，流动规模很小，10～12月出现人口流入的现象，且流入规模较大、速度较快，12月部分城市出现小型人口流失现象；2020年1～3月人口流失规模较大且速度较快，3～9月人口数量上下波动，流动规模较小，9～11月同样出现人口回流，且流入规模较大、速度较快，12月部分城市出现小型人口流失现象。
四、结论及展望
（一）结论。本研究基于NPP/VIIRS夜间灯光数据与第七次全国人口普查数据（2020年11月）进行拟合，建立线性回归方程，在验证其可行性之后，利用此人口关系模型对东北三省2014年、2017年、2020年1～12月的人口数据进行逐月预估，并结合数据对人口数量以及人口流动的空间变化进行分析，结果如下：（1）2014～2020年东北三省预测人口数据变化数值较小，出现小幅度波动，部分城市人口增加，部分城市人口减少；2014年、2017年、2020年各市年内预测人口数量差值最大的城市均为长春市，差值最小的城市均为阜新市；各市预测人口最大值多集中在12月和1月，最小值在其他月份均有分布，人口数量的变化存在一定的季节性，冬季人口数量增多，春季人口数量减少，且节假日期间人口略有增加趋势。（2）基于2014年、2017年、2020年逐月人口数量的预测值分析人口流动的变化，结果表明2014～2020年东北三省各城市年内逐月人口流动趋势呈先急剧减少再上下波动后急剧增加的现象，其中副省级城市人口流动规模较大、速度较快；非副省级城市相较于副省级城市人口流动规模较小、速度较缓；各市人口流失集中在春季，人口流入集中在冬季。
（二）展望。本研究主要根据城市建成区面积内的夜间灯光亮度总值对人口数量进行估算，没有考虑其他对人口数量及人口流动可能会产生影响的因素。本研究的基础数据源NPP/VIIRS夜间灯光数据，由于黑潮现象等原因，5～7月份数据损坏，导致研究数据不连续，在时间方面的研究还不够全面。
国内外许多学者通过研究已经证明利用夜间灯光遥感数据可以对人口数据进行研究，但对较短时间尺度的人口数量研究的成果较少，大多以年为尺度进行探究。本研究基于夜间灯光数据拟合出了逐月人口数量，并且经检验精度较高，为未来预估人口数量以及探究较短时间尺度下人口流动的趋势和变化提供了新的思路与方向。
（作者单位：辽宁师范大学地理科学学院）
主要参考文献：
［1］金铭.基于夜间灯光指数的辽宁省人口流动研究［D］.大连：辽宁师范大学，2020.
［2］王璇璇，赵明松，谢毅，郜敏.基于NPP-VIIRS夜光遥感的江苏省人口数据空间化研究［J］.黑龙江工程学院学报，2020.34（03）.
［3］余柏蒗，王丛笑，宫文康，等.夜间灯光遥感与城市问题研究：数据、方法、应用和展望［J］.遥感学报，2021.25（01）.
［4］Sutton P.Modeling population density with night-time satellite imagery and GIS［J］.Computers Environment&Urban Systems，1997（21）.
［5］Sutton P，Roberts D，Elvidge C，et al.A Comparison of Nighttime Satellite Imagery and Population Density for the Continental United States［J］.Photogrammetric Engineering and Remote Sensing，1997.63（11）.
［6］Smith P，Smith J U，Powlson D S，et al.A comparison of the performance of nine soil organic matter models using seven long-term experimental datasets［J］.Geoderma，1997.81.［J］.Pew Internet&American Life Project，2012.
［7］陈颖彪，郑子豪，吴志峰，千庆兰.夜间灯光遥感数据应用综述和展望［J］.地理科学进展，2019.38（02）.
［8］黄铁兰，揭彬，杨王意，陈沿辑.基于夜光遥感的粤港澳大湾区人口空间化研究［J］.智能城市，2022.08（09）.
［9］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（02）.
［10］Bennie J，Davies T W，Duffy J P，et al.Contrasting Trends in Light Pollution Across Europe Based On Satellite Observed Night Time Lights［J］.Rep，2014(06).
［11］贺军亮，关子琼，张振冉，李仁杰.郑州市主城区空间形态信息提取与特征分析［J］.测绘科学，2022.47（12）.
［12］雷能忠，王心源，蒋锦刚，黄大鹏.基于BP神经网络插值的土壤全氮空间变异［J］.农业工程学报，2008（11）.
|
|
|
|
