城市規(guī)劃中人口空間分布模擬方法研究*

肖榮波 丁 琛

(1.廣州市城市規(guī)劃勘測(cè)設(shè)計(jì)研究院，廣東廣州510060;2.大不列顛哥倫比亞大學(xué)，溫哥華，加拿大)

城市規(guī)劃中人口空間分布模擬方法研究*

肖榮波1丁 琛2

(1.廣州市城市規(guī)劃勘測(cè)設(shè)計(jì)研究院，廣東廣州510060;2.大不列顛哥倫比亞大學(xué)，溫哥華，加拿大)

城市人口空間分布是影響社會(huì)經(jīng)濟(jì)活力、基礎(chǔ)設(shè)施建設(shè)、公共服務(wù)配置以及城市交通、住宅、生態(tài)環(huán)境問(wèn)題等方面的重要因素之一，是科學(xué)開(kāi)展城市規(guī)劃的基礎(chǔ)與前提。傳統(tǒng)的等值區(qū)域圖法只能描述一個(gè)地區(qū)總體城市分布狀況，難以準(zhǔn)確反映城市內(nèi)部人口的實(shí)際分布。本文通過(guò)綜述國(guó)內(nèi)外23篇研究成果，將城市人口分布空間模擬方法總結(jié)為城市人口密度模型、內(nèi)插法空間分布模型、地理因子相關(guān)性模型(包括光譜估算法、土地利用密度法、居住單元估算法、夜間燈光強(qiáng)度估算法、硬化地表估算法)3大類(lèi)7種，分析了它們各自的特點(diǎn)及改進(jìn)措施。人口空間分布模擬在我國(guó)城市規(guī)劃體系中有較大應(yīng)用價(jià)值，重點(diǎn)討論了在城鎮(zhèn)體系規(guī)劃、城市總體規(guī)劃以及詳細(xì)規(guī)劃等不同規(guī)劃層面人口空間分布適用模擬技術(shù)。最后指出為提高我國(guó)城市規(guī)劃的科學(xué)性和預(yù)測(cè)精度，綜合運(yùn)用多種方法對(duì)城市人口空間分布進(jìn)行估算模擬將成為該領(lǐng)域研究趨勢(shì)，以期為城市規(guī)劃管理提供技術(shù)參考。

人口密度模擬;遙感;精度;空間分布

人口的空間分布是影響城市社會(huì)經(jīng)濟(jì)活力、基礎(chǔ)設(shè)施的建設(shè)、公共服務(wù)的配置以及城市交通、住宅、生態(tài)環(huán)境問(wèn)題等方面的重要因素之一。但目前我國(guó)城市規(guī)劃通常只注重人口規(guī)模的預(yù)測(cè)，較少考慮區(qū)域內(nèi)部人口分布的差異性，使得城市空間發(fā)展政策的實(shí)施效果受到影響。因此，掌握城市人口空間分布信息不僅是制定區(qū)域長(zhǎng)遠(yuǎn)發(fā)展政策、城市總體規(guī)劃的重要基礎(chǔ)，也是實(shí)施城市日常管理、改善居民生活環(huán)境等工作的重要科學(xué)依據(jù)。我國(guó)城市人口信息通常是通過(guò)人口普查、人口抽查等方式獲取，它一般基于行政單元(如街道辦事處)為基本的統(tǒng)計(jì)單元，人口密度是通過(guò)該區(qū)域人口數(shù)與區(qū)域面積計(jì)算出來(lái)。傳統(tǒng)常用表示人口分布的方法是等值區(qū)域圖法，即用不同的顏色和灰度表示人口密度的高低［1］。該方法雖然在大范圍內(nèi)能夠反映出人口密度的整體布局，但無(wú)法準(zhǔn)確反映人口的實(shí)際分布。該方法忽視了統(tǒng)計(jì)單元內(nèi)部人口密度的差異性，同時(shí)面積的變化對(duì)計(jì)算的人口密度影響大，特別是城鎮(zhèn)居住面積的變化對(duì)人口空間分布的精確性影響大［2］。

本文通過(guò)綜述國(guó)內(nèi)外23篇研究成果，將城市人口分布空間模擬方法總結(jié)為城市人口密度模型、內(nèi)插法空間分布模型、地理因子相關(guān)性模型等3大類(lèi)，分析了它們各自的特點(diǎn)，并對(duì)未來(lái)研究提出展望，以期為我國(guó)城市規(guī)劃、人口地理學(xué)等相關(guān)研究提出科學(xué)參考。

1 城市人口密度模型

城市人口密度空間分布模型可以追溯到上個(gè)世紀(jì)50年代初期Clark提出的負(fù)指數(shù)函數(shù)(Negative Exponential Function)［3］:

P(r)=P0e－br

式中，r為到城市中心的距離，P(r)為距城市中心r處的人口密度，P0是理論上城市中心處的人口密度，參數(shù)b為距離衰減效益的速率。Clark模型認(rèn)為隨著從城市中心(CBD)向外圍距離的增加，城市人口密度趨向于指數(shù)式衰減，即人口密度與距離之間是負(fù)指數(shù)關(guān)系。Clark模型可以從兩個(gè)角度論證，一是從微觀的角度假定一個(gè)住房服務(wù)價(jià)格彈性的單位值，然后借助效用最大化(Utility-maximizing)方法推導(dǎo)城市人口密度的負(fù)指數(shù)形式;二是從宏觀的角度，從Wilson著名的空間相互作用最大熵(Entropy-maximizing)模型出發(fā)，將空間作用流落實(shí)到某一個(gè)區(qū)位，同時(shí)考慮到交通分布模型，從而將空間作用模型導(dǎo)向負(fù)指數(shù)形式并類(lèi)比為Clark模型［4］。

在Clark提出人口密度負(fù)指數(shù)模型后的20世紀(jì)60年代，支持Clark模型的實(shí)證研究進(jìn)入一個(gè)繁盛階段［5］。為了準(zhǔn)確描述現(xiàn)實(shí)中的城市人口密度分布，眾多學(xué)者嘗試了各種函數(shù)類(lèi)型。并以當(dāng)時(shí)不斷發(fā)展的城市經(jīng)濟(jì)學(xué)中的住宅選址模型為理論基礎(chǔ)，推導(dǎo)出以負(fù)指數(shù)函數(shù)為前提的土地需求模型，其中包括二項(xiàng)式函數(shù)、正態(tài)分布函數(shù)、伽馬函數(shù)、負(fù)冪指數(shù)函數(shù)、線性函數(shù)、二次函數(shù)等數(shù)10種函數(shù)類(lèi)型［6］。然而后來(lái)伴隨著西方城市化進(jìn)程的復(fù)雜化，如多核心城市結(jié)構(gòu)以及城市人口郊區(qū)化的出現(xiàn)，城市人口密度多核心模型、Cubic Spline模型等被提出并成為熱點(diǎn)研究領(lǐng)域［7］。

城市人口密度模型是基于人口密度平均值的基礎(chǔ)上建立的統(tǒng)計(jì)模型，它可以用簡(jiǎn)單的函數(shù)形式反映影響城市人口密度分布的主要因素，可以從宏觀層面上反映人口的空間分布趨勢(shì)。這些模型反映出的人口分布是連續(xù)的、光滑的，但實(shí)質(zhì)上人口分布是間斷變量，微觀的層面上它受到諸多因素影響，城市人口密度模型難以準(zhǔn)確地模擬城市人口空間分布細(xì)節(jié)。

2 內(nèi)插法空間分布模型

內(nèi)插法空間分布模型具體思路和步驟為:①將研究的區(qū)域劃分為一定分辨率的格網(wǎng);②將區(qū)域內(nèi)的人口數(shù)換算成人口密度;③每個(gè)區(qū)域放置一個(gè)中心點(diǎn)，并把人口密度連到中心點(diǎn)上;④使用一種內(nèi)插方法把中心點(diǎn)上的人口密度內(nèi)插成格網(wǎng)表面。該方法在實(shí)際運(yùn)用過(guò)程中，主要差異在于內(nèi)插方法和格網(wǎng)大小的選擇上。內(nèi)插法可以分為點(diǎn)的插值和面的插值，前者包括:最近距離法插值，如泰森多邊形法，B樣條插值，克里金(Kriging)插值，在經(jīng)驗(yàn)知識(shí)基礎(chǔ)上的手工目視插值，趨勢(shì)面分析法，傅立葉變換及移動(dòng)距離權(quán)重平均法等;后者根據(jù)在插值過(guò)程中是否采用輔助數(shù)據(jù)可分為:無(wú)輔助數(shù)據(jù)的面插值法和有輔助數(shù)據(jù)的面插值法［8］。呂安民等人選用核心估計(jì)方法作為內(nèi)插方法對(duì)廊坊市人口密度進(jìn)行了實(shí)驗(yàn)論證［2］。Tober于1979年提出Pycnophylatic插值法將人口數(shù)據(jù)從不規(guī)則面狀分布轉(zhuǎn)變成表面分布［9］。而格網(wǎng)大小的選擇可以根據(jù)實(shí)際情況而定，總體上格網(wǎng)越小，其人口密度精度越高，城市地區(qū)格網(wǎng)一般小于農(nóng)村地區(qū)。

該方法的最大優(yōu)點(diǎn)在于實(shí)現(xiàn)了將人口統(tǒng)計(jì)值從不規(guī)則的統(tǒng)計(jì)單元分布到規(guī)則的格網(wǎng)中，使得人口分布信息與其它柵格數(shù)據(jù)如環(huán)境數(shù)據(jù)進(jìn)行綜合空間疊加分析成為可能。但是，其局限在于基于格網(wǎng)的人口分布是假設(shè)人口在一定分辨率的格網(wǎng)內(nèi)是均勻分布的。雖然格網(wǎng)的分辨率可以調(diào)整，但由于沒(méi)有考慮到影響人口分布的自然條件、經(jīng)濟(jì)狀況，其形成的連續(xù)人口密度表面與實(shí)際人口分布還是有較大差距。

3 地理因子相關(guān)性模型

由于人口受到自然、社會(huì)經(jīng)濟(jì)等諸多地理因素的影響，許多學(xué)者通過(guò)人口與地理因子相關(guān)性建立回歸模型，反演出人口實(shí)際的空間分布。尤其是隨著GIS與遙感技術(shù)的快速發(fā)展，大范圍、高分辨率的地面參數(shù)越來(lái)越容易獲取，人們?cè)絹?lái)越關(guān)注于從遙感影像上提取人口空間分布。根據(jù)選擇的地面參數(shù)及研究方法不同，可以將其歸納為以下五類(lèi):

3.1 光譜估算法

該方法是利用光譜值或者不同光譜之間運(yùn)算值作為自變量，預(yù)測(cè)人口密度空間分布。該方法開(kāi)始于1982年，Iisaka和Hegedu在東京郊區(qū)小區(qū)域尺度，使用基于MSS的回歸模型對(duì)人口進(jìn)行估計(jì);Landford等在1991年對(duì)49個(gè)人口統(tǒng)計(jì)區(qū)域(Census Wards)人口進(jìn)行估計(jì)［10］;Lo于1995年利用 SPOT影像對(duì)香港九龍44個(gè)TPU(Tertiary planning units)居住單元戶數(shù)進(jìn)行了估算［11］。Harvey利用TM影像在像元水平上對(duì)澳大利亞Ballarat城市人口進(jìn)行估計(jì)，該研究選擇了如Normalized band 1、Ratio:band 1 to band 4等14個(gè)光譜值為預(yù)測(cè)變量，通過(guò)6個(gè)模型對(duì)比，結(jié)果表明:訓(xùn)練集與檢驗(yàn)集相關(guān)指數(shù)分別達(dá)到0.92、0.86，模型在低人口密度區(qū)域?qū)θ丝诿芏扔懈吖?，而在一些高人口密度區(qū)域人口被低估［12］。光譜估算法可以迅速建立光譜值與人口密度的關(guān)系，但由于遙感光譜值與人口密度相關(guān)關(guān)系的穩(wěn)定性較差，隨著區(qū)域不同變化較大;即使在同一個(gè)區(qū)域，不同時(shí)期獲取的影像與人口密度的相關(guān)性都差異較大，難以推廣使用。

3.2 土地利用密度法

該方法是通過(guò)建立土地利用及相關(guān)地理因素和人口統(tǒng)計(jì)數(shù)據(jù)的回歸模型，實(shí)現(xiàn)對(duì)研究區(qū)人口密度的模擬。其技術(shù)流程一般遵循:①基于遙感技術(shù)土地利用分類(lèi)，②建立地面地理因子同人口密度的回歸模型，③模型求解與誤差分析，④模型校正。具體建模過(guò)程:假設(shè)某區(qū)同類(lèi)土地利用的人口密度相同，通過(guò)抽樣調(diào)查人口，求得j統(tǒng)計(jì)單元中i用地類(lèi)型對(duì)應(yīng)的人口密度Dij，利用遙感圖像求出表示j統(tǒng)計(jì)單元中i用地類(lèi)型對(duì)應(yīng)的面積Sij，則j統(tǒng)計(jì)單元人口數(shù)，其中n為區(qū)域中對(duì)應(yīng)的土地利用類(lèi)型數(shù);整個(gè)區(qū)域的總?cè)丝诠烙?jì)數(shù) Pe為:，其中m為研究區(qū)中統(tǒng)計(jì)單元總數(shù)［13］。該方法當(dāng)前應(yīng)用最為廣泛，如田永中等人根據(jù)分縣控制、分城鄉(xiāng)、分區(qū)建模的思路，建立基于土地利用的中國(guó)1 km柵格人口模型。其中農(nóng)村人口采用線性加權(quán)模型進(jìn)行模擬，城市人口建立基于城鎮(zhèn)規(guī)模的人口距離衰減加冪指數(shù)模型［14］。Yuan則通過(guò)重建模(Remodelling)的方式利用各個(gè)統(tǒng)計(jì)單元實(shí)際人口數(shù)對(duì)模擬結(jié)果進(jìn)行校正，實(shí)現(xiàn)了不同統(tǒng)計(jì)單元之間同一種用地類(lèi)型人口密度不一定相同的設(shè)想，從而提高模擬結(jié)果的精度［13］。

3.3 居住單元估算法

水域、農(nóng)田、林地等顯然不宜人類(lèi)居住，但在土地利用密度法中卻分配了人口密度系數(shù)，導(dǎo)致該方法模擬精度不高。城市人口密度是由人均居住建筑面積與住宅建筑容積率決定，利用人口與居住面積線形相關(guān)的原理建立城市人口居住單元估算法［15］，其計(jì)算公式為:為總?cè)丝跀?shù)，Pi為每戶平均人口數(shù)，F(xiàn)i為戶數(shù)，n為不同的住宅類(lèi)型。

該方法最為關(guān)鍵的是獲取居住用地?cái)?shù)據(jù)，一般是利用大比例尺航空遙感圖像，根據(jù)建筑物的布局及結(jié)構(gòu)特征，人工將不同住宅的類(lèi)型分開(kāi)，然后對(duì)不同類(lèi)型的住宅分別進(jìn)行住宅數(shù)統(tǒng)計(jì)，每戶的平均人數(shù)主要通過(guò)實(shí)地抽樣調(diào)查獲得［15］。徐建剛等人在做上海普陀區(qū)人口密度估算時(shí)，將居住用地分為了公寓和花園類(lèi)、里弄類(lèi)、簡(jiǎn)房類(lèi)、多層公房類(lèi)、高層公房類(lèi)。多層綜合類(lèi)和農(nóng)宅7個(gè)類(lèi)別，估算平均誤差為7% －13%。雖然該方法精度較高，但是在住宅用地遙感分類(lèi)上需要大量的目視人工解譯，花費(fèi)時(shí)間精力較多，難以在大型城市推廣應(yīng)用。

3.4 夜間燈光強(qiáng)度估算法

與土地利用法相似，該方法通過(guò)建立地面燈光信息同人口密度的關(guān)系，模擬夜間人口分布狀況。由于燈光數(shù)據(jù)本身就涵蓋了交通道路、居民地等與人口分布密切相關(guān)的信息，因此在用燈光數(shù)據(jù)模擬人口密度時(shí)無(wú)需再考慮這些因素。相對(duì)于用其他數(shù)據(jù)模擬人口密度而言，該方法所需數(shù)據(jù)量較少，易于實(shí)現(xiàn)。尤其是燈光強(qiáng)度產(chǎn)品，因其不僅具備空間形態(tài)信息，而且具有強(qiáng)度信息，所以在人口密度模擬方面更具潛力。卓莉等人選用專(zhuān)門(mén)針對(duì)亞洲地區(qū)開(kāi)發(fā)的DMSP/OLS非輻射定標(biāo)夜間燈光平均強(qiáng)度遙感數(shù)據(jù)模擬了中國(guó)的人口密度，利用燈光強(qiáng)度信息模擬了燈光區(qū)內(nèi)部的人口密度，利用人口與距離衰減規(guī)律和電場(chǎng)疊加理論模擬了燈光區(qū)外部的人口密度［16］。該研究不僅模擬了燈光斑塊內(nèi)部的人口空間密度，而且模擬了更為廣闊的燈光區(qū)外部的人口密度，是對(duì)基于燈光數(shù)據(jù)人口密度模擬研究的進(jìn)一步拓展和深入。但OLS傳感器分辨率較小，更適合于大尺度人口密度的快速估算，針對(duì)單個(gè)城市內(nèi)部常常受到分辨率的限制。

3.5 硬化地表估算法

硬化地表(Impervious Surface Fractions，簡(jiǎn)稱(chēng)ISF)是指防滲水表面，常見(jiàn)于城區(qū)地面及居民區(qū)等構(gòu)筑物，它反映了人工對(duì)地面性質(zhì)的改造，通過(guò)它能獲得人口空間分布的相關(guān)信息。Wu利用ISF對(duì)TM進(jìn)行土地覆蓋類(lèi)型分類(lèi)，六種類(lèi)型中可大致分為居住區(qū)域和非居住區(qū)域，并在分類(lèi)中對(duì)錯(cuò)分的像元進(jìn)行檢驗(yàn)，以提高分類(lèi)精確性。然后用共協(xié)克里金插值法(Cokriging)，根據(jù)居住區(qū)ISF比例同人口數(shù)據(jù)建立相關(guān)關(guān)系建立模型，測(cè)試精確度并校正之。該研究將ISF和共協(xié)克里金插值相結(jié)合，使估計(jì)相對(duì)誤差降為－0.3%，對(duì)比使用傳統(tǒng)土地分類(lèi)法的1.0%要低，采用ISF分類(lèi)較傳統(tǒng)土地利用分類(lèi)法更優(yōu)越［17］。傳統(tǒng)土地利用分類(lèi)是間斷變量，而硬化地表指數(shù)是連續(xù)變量，可以與人口密度形成連續(xù)的函數(shù)形式。硬化地表估算法沿襲于建成區(qū)面積的思想，Ogrosky在波蘭Puget Sound地區(qū)的研究表明，人口數(shù)與遙感影像上的城區(qū)面積之間具有高度的相關(guān)性(R2=0.96)［18］。

4 不同模擬方法特征比較

城市人口空間分布是研究城市經(jīng)濟(jì)、交通、居住、環(huán)境等問(wèn)題的基礎(chǔ)，但傳統(tǒng)基于行政界線的人口統(tǒng)計(jì)與其它地理信息的邊界不一致，使得數(shù)據(jù)之間難以關(guān)聯(lián)，不便于進(jìn)行人口與其他信息的綜合分析。同時(shí)我國(guó)行政區(qū)劃經(jīng)常變動(dòng)，不同年份人口數(shù)據(jù)可比性較差。城市人口密度空間信息提取可以很好的解決這個(gè)問(wèn)題。通過(guò)分析最新相關(guān)研究成果，將城市人口分布空間模擬歸納為:城市人口密度模型、內(nèi)插法空間分布模型、地理因子相關(guān)性模型等3大類(lèi)，7種估算方法(見(jiàn)表1)。

其中，城市人口密度模型可以揭示人口分布的特征機(jī)理，可以從宏觀層面反映人口的空間分布特征與趨勢(shì)，但其空間模擬分辨率低、難以體現(xiàn)區(qū)域內(nèi)部空間差異，因此需要與其它地理因子結(jié)合進(jìn)行模擬。內(nèi)插法空間分布模型可以將點(diǎn)狀人口數(shù)據(jù)轉(zhuǎn)化為面狀分布，直觀地表達(dá)了人口密度的空間分布總體特征，但由于未考慮影響人口分布的其它因子，因此該預(yù)測(cè)模型與實(shí)際情況有所差距。地理因子相關(guān)性模型主要包括光譜估算法、土地利用密度法、居住單元估算法、夜間燈光強(qiáng)度估算法、硬化地表估算法等，由于考慮了人口分布的影響因素，改善了模擬結(jié)果，但其精度主要依賴(lài)于地理因子本身的準(zhǔn)確度和獲取難易程度，同時(shí)，相關(guān)地理因子一般采取相關(guān)分析來(lái)確定與人口密度的關(guān)系，并未從機(jī)理上進(jìn)行解釋說(shuō)明，因此總體模擬精度也受二者相關(guān)程度影響。

表1 七種城市人口分布空間模擬方法比較Tab.1 The Comparison of Seven Population Density Estimation Methods

5 討論

5.1 對(duì)于我國(guó)城市規(guī)劃的應(yīng)用

我國(guó)城市規(guī)劃從空間層次主要可以分為城鎮(zhèn)體系規(guī)劃、城市總體規(guī)劃、詳細(xì)規(guī)劃。本文將重點(diǎn)討論了這三個(gè)層次人口空間分布的應(yīng)用，還分析了其對(duì)城市人口規(guī)模預(yù)測(cè)、城市空間結(jié)構(gòu)規(guī)劃等的應(yīng)用啟示。

(1)對(duì)于城鎮(zhèn)體系規(guī)劃，重點(diǎn)是摸清各個(gè)城鎮(zhèn)的人口組成與分布情況，以此來(lái)確定城鎮(zhèn)規(guī)模和主要職能。人口分布研究通常的方法是基于行政區(qū)單元(如街鎮(zhèn))進(jìn)行統(tǒng)計(jì)，但由于我國(guó)部分大型城市目前空間結(jié)構(gòu)復(fù)雜，多個(gè)新城或者衛(wèi)星城圍繞中心城區(qū)分布，存在較多“人戶分離”的現(xiàn)象。如僅從戶籍角度來(lái)研究，就會(huì)導(dǎo)致較大的誤差。如利用人口統(tǒng)計(jì)數(shù)據(jù)，結(jié)合夜間燈光強(qiáng)度估算法進(jìn)行修正，可以較為準(zhǔn)確的確定各個(gè)地區(qū)實(shí)際服務(wù)人口。需要注意的是，在城鎮(zhèn)體系層面，各個(gè)中心城市對(duì)人口有較大的極化作用，基于各個(gè)行政單元人口密度方法，只能大致反映不同區(qū)域人口密度的差異，對(duì)于生產(chǎn)力布局、基礎(chǔ)設(shè)施建設(shè)等，還是要重點(diǎn)考慮城市集聚區(qū)域。尤其是對(duì)于我國(guó)中西部地區(qū)，行政區(qū)域較大，利用人口統(tǒng)計(jì)數(shù)據(jù)結(jié)合其它地理信息，提取城市人口實(shí)際空間分布更加有意義。

(2)對(duì)于城市總體規(guī)劃，人口的空間分布不僅是城市空間結(jié)構(gòu)、功能布局的基礎(chǔ)，也是布置各項(xiàng)基礎(chǔ)服務(wù)和交通設(shè)施的基礎(chǔ)。因此，可以采取多種方法相綜合，以準(zhǔn)確獲得精確的人口空間分布。例如，可以首先分析街鎮(zhèn)單元的人口密度，然后利用土地利用或者硬化地表等數(shù)據(jù)，尤其是建立居住用地面積和常住人口的關(guān)系，對(duì)人口密度進(jìn)行細(xì)化。而城市人口密度模型或者內(nèi)插法空間分布模型方法，可以將人口數(shù)據(jù)轉(zhuǎn)化為空間連續(xù)變量，借此分析與其它城市要素的關(guān)系，如研究人口與城市公園分布的關(guān)系等。這種地理因子相關(guān)分析模擬法，一般對(duì)土地利用數(shù)據(jù)要求較高，調(diào)查工作量大，對(duì)于一般城市難以實(shí)施。另外，對(duì)于單個(gè)城市，也可以利用城市人口密度模型法，通過(guò)確定城市CBD位置與空間距離，即可快速估算城市人口空間分布概況。

(3)詳細(xì)規(guī)劃涉及到人口空間分布的主要是控制性詳細(xì)規(guī)劃，其重點(diǎn)是通過(guò)分析人口的空間分布來(lái)進(jìn)行城市配套設(shè)施的安排。由于控規(guī)對(duì)現(xiàn)狀用地調(diào)查細(xì)致，因此可以采取居住單元估算法的思路，利用住宅建筑面積來(lái)推算各個(gè)地塊的居住人口。需要注意的是，不同類(lèi)型居住區(qū)，人均占有建筑面積差異較大，如別墅區(qū)一般會(huì)高于高層的居住區(qū)?？梢越柚冻鞘芯幼^(qū)規(guī)劃設(shè)計(jì)規(guī)范》的思路，按照每戶3.2人來(lái)計(jì)算人口與戶數(shù)的關(guān)系。在實(shí)際模擬中，可以區(qū)分不同類(lèi)型居住用地，設(shè)置人口密度參數(shù)。

(4)對(duì)于城市人口規(guī)模預(yù)測(cè)的啟示。在我國(guó)城市規(guī)劃中，建設(shè)用地規(guī)模主要是根據(jù)城市人口規(guī)模來(lái)確定的，因此，城市人口規(guī)模的預(yù)測(cè)成為當(dāng)前城市規(guī)劃的核心和熱點(diǎn)問(wèn)題之一?，F(xiàn)有預(yù)測(cè)人口規(guī)模的主要方法有增長(zhǎng)率外推模型、線性回歸模型、邏輯斯蒂模型、灰色系統(tǒng)模型、勞動(dòng)力彈性系數(shù)法模型等方法［19］，但一般是針對(duì)總體人口規(guī)模來(lái)進(jìn)行分析，難以考慮人口的空間分布。通過(guò)本文的分析，可以嘗試在以后城市人口規(guī)模預(yù)測(cè)之中，通過(guò)模擬分析相關(guān)地理因子未來(lái)發(fā)展趨勢(shì)，從而反推人口規(guī)模的空間發(fā)展格局。如利用CA模型分析城市未來(lái)不同時(shí)期建設(shè)用地增長(zhǎng)情況［20］，結(jié)合其它地理因子如離中心區(qū)距離、地鐵出入口距離、基礎(chǔ)設(shè)施條件以及城市密度分區(qū)管制要求等，模擬不同時(shí)期人口空間分布?；谶@種思路，實(shí)現(xiàn)了人口分布在空間和時(shí)間2種尺度上的推演和模擬。

(5)對(duì)于研究城市空間結(jié)構(gòu)的啟示。人們通常采用常住人口密度和從業(yè)人口密度2個(gè)指標(biāo)來(lái)研究城市空間結(jié)構(gòu)，從生活空間的角度一般采用常住人口密度，而從經(jīng)濟(jì)活動(dòng)的角度一般采用從業(yè)人員密度［5］。本文討論的主要是指常住人口密度的概念。但在城市化的不同階段，常住人口密度和從業(yè)人口密度往往展示出不同的空間結(jié)構(gòu)，需要綜合考慮這2個(gè)指標(biāo)。尤其是對(duì)于現(xiàn)代特大型城市，城市內(nèi)部功能分區(qū)顯著，往往形成多個(gè)就業(yè)中心。因此，對(duì)于從業(yè)人口密度的空間模擬，顯得非常重要但也極具挑戰(zhàn)。這是因?yàn)殡m然從業(yè)人口密度和土地利用有很大關(guān)系，但由于不同職業(yè)性質(zhì)就業(yè)密度差異較大，難以準(zhǔn)確尋求就業(yè)密度和土地利用的關(guān)系。因此，具體模擬過(guò)程中，應(yīng)在收集該地區(qū)各個(gè)地塊用地性質(zhì)的基礎(chǔ)上，還需要諸如容積率、建筑高度、資本密度、主導(dǎo)產(chǎn)業(yè)類(lèi)型等信息，結(jié)合人口密度理論模型進(jìn)行綜合多元統(tǒng)計(jì)分析，從而較為準(zhǔn)確模擬從業(yè)人口密度的空間分布。

5.2 預(yù)測(cè)精度提高

預(yù)測(cè)精度是人口模擬的核心問(wèn)題。以往研究表明:傳統(tǒng)負(fù)指數(shù)函數(shù)對(duì)人口密度模型的評(píng)估結(jié)果來(lái)看，擬和度一般在50%左右。擬和度雖然根據(jù)不同的城市而有所不同，但一般來(lái)講，數(shù)據(jù)越新，或者城市的歷史越長(zhǎng)，擬和度就越低。通過(guò)對(duì)現(xiàn)實(shí)的城市空間的觀察，隨著城市中其他就業(yè)中心的出現(xiàn)，以及郊區(qū)人口的不斷增長(zhǎng)，人口密度不再隨至城市中心距離的增加而平滑減少［5］。而地理因子相關(guān)性模型預(yù)測(cè)精度取決于研究地區(qū)的代表性，土地分類(lèi)的準(zhǔn)確性，遙感類(lèi)變量同人口統(tǒng)計(jì)類(lèi)變量的相關(guān)性，回歸方程的建立與改進(jìn)等。

諸多案例表明:任何單一的預(yù)測(cè)方法均難以從根本上提高預(yù)測(cè)精度。如僅以至城市中心距離來(lái)描述人口密度分布存在著一定的局限性，雖然我們可以通過(guò)改變不同的函數(shù)形式使其更加適應(yīng)現(xiàn)實(shí)狀況。而地理因子相關(guān)性模型中，雖然我們采用多種方式提高了土地分類(lèi)的精度，但預(yù)測(cè)精度并未有巨大突破。許多學(xué)者已經(jīng)意識(shí)到這個(gè)問(wèn)題:如在傳統(tǒng)的負(fù)指數(shù)函數(shù)中引入土地利用變量，城市開(kāi)發(fā)變量等［21］;在用土地利用預(yù)測(cè)人口密度時(shí)，首先考慮離城市中心距離因素，將研究區(qū)域分為城區(qū)、郊區(qū)、遠(yuǎn)郊區(qū)，分別進(jìn)行回歸預(yù)測(cè)，建立不同類(lèi)型的預(yù)測(cè)系數(shù)［22］;采用IKONOS影像提高了土地覆蓋分類(lèi)精度，結(jié)合共協(xié)克里金插值法將高分辨率影像人口信息，分配到統(tǒng)計(jì)單元內(nèi)部，實(shí)現(xiàn)了微觀尺度上人口密度精確模擬［23］。考慮到城市人口分布的復(fù)雜性，為進(jìn)一步提升我國(guó)城市規(guī)劃編制的科學(xué)性和針對(duì)性，綜合運(yùn)用多種方法對(duì)城市人口密度空間分布進(jìn)行估算，必將成為該領(lǐng)域未來(lái)的研究趨勢(shì)。

References)

［1］金君，印潔，李成名，林宗堅(jiān).人口密度推求的技術(shù)方法研究［J］.測(cè)繪通報(bào)，2002，(5):58 －60.［Jin Jun，Yin Jie，Li Chengming，et al.On Estimating Methods of Population Density［J］.Bulletion of Surveying and Mapping，2002，(5):58 －60.］

［2］呂安民，李成名，林宗堅(jiān)，等.人口密度的空間連續(xù)分布模型［J］.測(cè)繪學(xué)報(bào)，2003，32(4):344 －348.［Lv Anming，Li Chengming，Lin Zongjian，et al.Spatial Continuous Surface Model of Population Density［J］.Acta Geodetic Cartographica Sinica，2003，32(4):344 －348.］

［3］Clark C.Urban Population Densities［J］.Journal of Royal Statistics Society，Series A，1951，114:490 －494.

［4］馮健.杭州市人口密度空間分布及其演化的模型研究［J］.地理研究，2002，21(5):635 －646.［Feng Jian.Modeling the Spatial Distribution of Urban Population Density and Its Evolution in Hangzhou［J］.Geographical Research，2002，21(5):635 －646.］

［5］李健，中村良平.城市空間人口密度模型研究綜述［J］.國(guó)外城市規(guī)劃，2006，21(1):40－47.［Li Jian，Zhong CunLiangping.An Econometric Study on the Urban Population Density Functions:A Survey［J］.Urban Planning Overseas，2006，21(1):40 － 47.］

［6］McDonald J，Bowman H.Some Alternative Urban Population Density Functions［J］.Journal of Urban Economics，1976，(3):241 －252.

［7］Anderson J.The Changing Structure of a City:Temporal Changes in Cubic Spline Urban Density Patterns［J］.Journal of Regional Science，1985，25:413－425.

［8］Lam N S.Spatial Interpolation Methods:a Review ［J］.The American Cartographer，1983，10(2):129 －149.

［9］Tober W R.Smooth Psycnophylactic Interpolation for Geographical Region［J］.Journal of the American Statistical Association，1979，74:519－530.

［10］Iisaka J，Hegedus E.Population Estimation from Landsat Imagery［J］.Remote Sensing of the Environment，1982，12:259 － 272.

［11］Lo C P.Automated Population and Dwelling Unit Estimation from High-resolution Satellite Images:A GIS Approach［J］.International Journal of Remote Sensing，1995，16:17－34.

［12］Harvey J T.Estimating Census District Populations from Satellite Imagery:Some Approaches and Limitations［J］.International Journal of Remote Sensing，2002，23(10):2071－2095.

［13］Yuan Y，Smith R M，Limp W F.Remodeling Census Population with Spatial Information from Landsat TM imagery［J］.Computers，Environment and Urban Systems，1997，21:245 －258.

［14］田永中，陳述彭，岳天祥，等.基于土地利用的中國(guó)人口密度模擬［J］，地理學(xué)報(bào)，2004，59(2):283－292.［Tian Yongzhong，Chen Shupeng， Yue Tianxiang， et al. Simulation of Chinese Population Density Based on Land Use［J］.Acta Geographica Sinica，2004，59(2):283 －292.］

［15］徐建剛，梅安新，韓雪培.城市居住人口密度估算模型的研究［J］.環(huán)境遙感，1994，9(3):243 － 240.［Xu Jiangang，Mei Anxin，Han Xuepei.Model of Estimating Population Density in the Residential Quarter of Urban［J］.Environmental Remote Sensing，1994，9(3):243 －240.］

［16］卓莉，陳晉.基于夜間燈光數(shù)據(jù)的中國(guó)人口密度模擬［J］.地理學(xué)報(bào)，2005，60(2):266 －279.［ZHuo Li，Chen Jin.Modeling Population Density of China in 1998 Based on DMSP/OLS Nighttime Light Image［J］.Acta Geographica Sinica，2005，60(2):266 －279.］

［17］Wu C S，Murray Alan T.A Cokriging Method for Estimating Population Density in Urban Areas［J］.Computers，Environment and Urban Systems，2005，29(2):558 －579.

［18］Ogrosky C E.Population Estimates from Satellite Imagery［J］.Photogrammetric Engineering and Remote Sensing，1975，41:707 －712.

［19］?；鄱?城市規(guī)劃中人口規(guī)模預(yù)測(cè)的規(guī)范化研究——《城市人口規(guī)模預(yù)測(cè)規(guī)程》編制工作體會(huì)［J］.城市規(guī)劃，2007，31(4):16 －19.［Niu Huien.Standardization of Population Forecasting in Urban Planning.City Planning Review，2007，31(4):16 －19.］

［20］聶婷，肖榮波，王國(guó)恩，等.基于Logistic回歸的CA模型改進(jìn)方法——以廣州市為例［J］.地理研究，2010，29(10):1909－1919.［Nie Ting，Xiao Rongbo，Wang Guoen，et al.An improvement on CA model of logistic regression:A case study of Guangzhou［J］.Geographical Research，2010，29(10):1909 －1919.］

［21］Yacovissi W，Kern C.Location and History as Determinants of Urban Residential Density ［J］.Journal of Urban Economics，1995，38:207－220.

［22］Xiao R B，Weng Q H，Ouyang Z Y，et al.Land Surface Temperature Variation and Major Factors in Beijing，China［J］.Photogrammetric Engineering and Remote Sensing，2008，74(4):151－461.

［23］Liu X H.Estimation of the Spatial Distribution of Urban Population Using High Spatial Resolution Satellite Imagery［M］.Doctorate Dissertation of University of California at Santa Barbara，2004.

Modeling Spatial Distribution of Population Density for Urban Planning

XIAO Rong-bo1DING Chen2
(1.Guangzhou Urban Planning＆ Design Survey Research Institute，Guangzhou Guangdong 510060，China;2.University of British Columbia，2329 West Mall Vancouver，BC Canada)

Urban population density and distribution is not only one of the key factors for studying urban socioeconomic development，basic establishment construction，communication，and environmental problems，but also the basis of urban management and master planning.The spatial data like remote sensing(RS)data and the socioeconomic data such as census data have merged as two distinct sources for urban population studies.Combining them as tools in the estimation of urban population density presents a number of challenges in strengthening the relationship between these two kinds of data in geographic information systems(GIS).Based on 23 references，the paper summarizes 7 methods to estimate spatial distribution of urban population density，such as population density function，spatial interpolation，geographic correlation，including spectrum modeling，land use density modeling，resident area modeling，nighttime light image modeling，and impervious surface modeling.It's very useful to model spatial distribution of population density for China’s urban planning system，including town system planning，urban master planning and detailed planning.And it is essential to confirm a suitable way to develop 、There are many ways to heishten the accuracy of these modeling methods，for example improving the classification of the land using type in the region studied，with RS data of higher resolution，or improving the models and mathematical statistics solution of estimation.However，the advisable measure is to integrate multiple methods to advance the accuracy，which is expected to be the major new direction in this study area.

population density modeling;remote sensing;accuracy;spatial distribution

TU984.1

A

1002－2104(2011)06－0013－06

10.3969/j.issn.1002－2104.2011.06.003

2010－01－20

肖榮波，博士，高級(jí)工程師，主要研究方向?yàn)槌鞘猩鷳B(tài)、3S應(yīng)用及生態(tài)評(píng)價(jià)與規(guī)劃等。

*“十一五”國(guó)家科技支撐計(jì)劃(編號(hào):2007BAC28B01);廣東省軟科學(xué)研究項(xiàng)目(編號(hào):2010B070300004);廣州市科技計(jì)劃項(xiàng)目(編號(hào):2010Y1－C621)。

(編輯:于 杰)