本發(fā)明涉及人口數(shù)據(jù)空間化的理論領(lǐng)域，更具體地，涉及一種基于隨機(jī)森林模型的人口數(shù)據(jù)空間化方法；該方法可以應(yīng)用于科學(xué)制定區(qū)域發(fā)展規(guī)劃、災(zāi)害風(fēng)險(xiǎn)防范與救助、經(jīng)濟(jì)建設(shè)、環(huán)境與生態(tài)保護(hù)等相關(guān)政策中所需的人口信息的精確快捷獲取。

技術(shù)背景

作為生產(chǎn)力中最重要的因素，人口的集聚不僅會(huì)產(chǎn)生集聚效應(yīng)，在降低人均生活成本的同時(shí)還能提高土地集約利用程度，但是如果人口的增長(zhǎng)超過(guò)某一地區(qū)土地的負(fù)載能力，就會(huì)破壞環(huán)境和生態(tài)的良性循環(huán)，最后損害人類自身。而且隨著人口密度的不斷增加，城市在面臨例如火災(zāi)、地震、臺(tái)風(fēng)、洪水等傳統(tǒng)威脅的同時(shí)，也給城市管理帶來(lái)了新的問(wèn)題，如交通擁擠、公共設(shè)施承載量過(guò)大、城市部件大量增加等。這些問(wèn)題與城市人口的分布都有著密切關(guān)系。

當(dāng)前廣泛使用的人口數(shù)據(jù)通常是以行政區(qū)劃為單元，通過(guò)普查、抽樣統(tǒng)計(jì)等方式逐級(jí)匯總獲得的典型人口統(tǒng)計(jì)數(shù)據(jù)，在實(shí)際應(yīng)用中存在以下三方面的不足：第一，時(shí)間分辨率低，全國(guó)人口普查每10年1次，數(shù)據(jù)更新周期長(zhǎng)，難以準(zhǔn)確揭示人口狀況的。第二，空間分辨率低，以行政區(qū)為單元獲得的人口數(shù)據(jù)在行政單元內(nèi)是均勻分布的，不能體現(xiàn)人口數(shù)據(jù)的空間分布特征；第三，不利于多源數(shù)據(jù)融合和綜合空間分析，以行政區(qū)為單元的統(tǒng)計(jì)數(shù)據(jù)與自然地理單元存在空間不匹配的問(wèn)題，限制了人口統(tǒng)計(jì)數(shù)據(jù)在多學(xué)科領(lǐng)域的應(yīng)用。所以非常有必要將人口數(shù)據(jù)網(wǎng)格化，利于實(shí)現(xiàn)人口數(shù)據(jù)與其它社會(huì)統(tǒng)計(jì)數(shù)據(jù)、資源數(shù)據(jù)、環(huán)境數(shù)據(jù)融合，提高人口、資源、環(huán)境綜合管理能力。

隨著科學(xué)技術(shù)的不斷進(jìn)步，特別是近年來(lái)地球信息科學(xué)的突飛猛進(jìn)，遙感影像信息提取可以提供大量變量因子空間分布和變化的信息，遙感技術(shù)和GIS技術(shù)結(jié)合使用而進(jìn)行人口數(shù)據(jù)空間化的方法發(fā)展迅速，取得了巨大成就，但還存在著精度較低、模型運(yùn)行速度較慢、變量因子解釋性差的不足。

隨機(jī)森林模型指的是利用多棵樹對(duì)樣本進(jìn)行訓(xùn)練并預(yù)測(cè)的一種分類器，該分類器可以輸入大量變量，快速學(xué)習(xí)后輸出高準(zhǔn)確度的分類或回歸結(jié)果，同時(shí)評(píng)估變量的重要性，不會(huì)產(chǎn)生過(guò)擬合的問(wèn)題。隨機(jī)森林以其上述優(yōu)點(diǎn)非常適合用于人口數(shù)據(jù)的空間化，可快速學(xué)習(xí)變量因子與人口數(shù)據(jù)之間的關(guān)系并給出變量因子的重要性評(píng)價(jià)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題在于，提供一種快速且準(zhǔn)確、能夠大幅度提高人口數(shù)據(jù)空間化精度的基于隨機(jī)森林模型的人口數(shù)據(jù)空間化方法。

為達(dá)到上述目的，本發(fā)明提供的基于隨機(jī)森林模型的人口數(shù)據(jù)空間化方法，包括以下步驟：

(1)獲取行政區(qū)的常住人口數(shù)、燈光數(shù)據(jù)以及其它對(duì)人口分布具有影響的自然和社會(huì)經(jīng)濟(jì)因素的原始數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，得到變量因子距離數(shù)據(jù)、燈光數(shù)據(jù)、行政區(qū)人口密度的對(duì)數(shù)和二值化柵格轉(zhuǎn)換后的變量因子數(shù)據(jù)；

(2)統(tǒng)計(jì)各個(gè)行政區(qū)內(nèi)的每個(gè)變量因子的平均值或最常出現(xiàn)的值并匹配到行政區(qū)邊界；

(3)將步驟(1)預(yù)處理后得到的變量因子距離數(shù)據(jù)、燈光數(shù)據(jù)和行政區(qū)人口密度的對(duì)數(shù)、二值化變量因子?xùn)鸥駭?shù)據(jù)、步驟(2)得到的變量因子的平均值或最常出現(xiàn)值作為隨機(jī)森林模型的輸入，來(lái)尋找變量因子與人口密度的對(duì)數(shù)之間的關(guān)系并輸出變量因子重要性，基于這個(gè)關(guān)系反演出L×L米網(wǎng)格的人口數(shù)，得到人口數(shù)據(jù)空間化的初步結(jié)果；

(4)利用分區(qū)密度制圖修正人口數(shù)據(jù)空間化的初步結(jié)果，最終實(shí)現(xiàn)基于隨機(jī)森林模型的L米網(wǎng)格的人口數(shù)據(jù)空間化。

所述的步驟(1)中的預(yù)處理進(jìn)一步包括：

步驟S11，將所有空間數(shù)據(jù)轉(zhuǎn)換成統(tǒng)一投影坐標(biāo)系以及參考橢球體。

步驟S12，將行政區(qū)的常住人口數(shù)除以行政區(qū)面積得到行政區(qū)的人口密度，并對(duì)人口密度取對(duì)數(shù)；

步驟S13，對(duì)燈光數(shù)據(jù)進(jìn)行雙線性的重采樣成L×L米的柵格；

步驟S14，對(duì)建成區(qū)、河流、水體、道路等其它對(duì)人口分布具有影響的自然和社會(huì)經(jīng)濟(jì)變量因子進(jìn)行歐氏距離計(jì)算。

步驟S15，對(duì)其它矢量格式的對(duì)人口分布具有影響的自然和社會(huì)經(jīng)濟(jì)變量因子進(jìn)行二值化柵格轉(zhuǎn)換。

所述的步驟(1)中步驟S15的二值化柵格轉(zhuǎn)換是將矢量格式的變量因子轉(zhuǎn)換成柵格格式，并和行政區(qū)范圍進(jìn)行合并，0表示變量因子為空，1表示變量因子不為空。

上述的一種基于隨機(jī)森林模型的L米網(wǎng)格的人口分布的估算方法，其特征在于：所述的步驟(2)中的統(tǒng)計(jì)各個(gè)行政區(qū)內(nèi)的每個(gè)變量因子的平均值或最常出現(xiàn)的值具體是指對(duì)于變量因子的距離數(shù)據(jù)及其他連續(xù)變量因子進(jìn)行平均值的統(tǒng)計(jì)，對(duì)于二值化的變量因子?xùn)鸥駭?shù)據(jù)進(jìn)行最常出現(xiàn)值的統(tǒng)計(jì)。

上述的一種基于隨機(jī)森林模型的L米網(wǎng)格的人口分布的估算方法，其特征在于：所述的步驟(4)中的分區(qū)密度制圖法是按照隨機(jī)森林得到的每個(gè)網(wǎng)格的人口占一個(gè)行政區(qū)的所有網(wǎng)格的總?cè)丝诘谋壤匦路峙涿總€(gè)網(wǎng)格的人口數(shù)，計(jì)算公式如下：

P_i＝S_j×D_i/D_j

式中，P_i為每個(gè)網(wǎng)格內(nèi)的人口數(shù)，S_j為該網(wǎng)格所在的行政區(qū)的人口總數(shù)，D_i為該網(wǎng)格根據(jù)隨機(jī)森林模型估計(jì)得到的人口數(shù)，D_j為該網(wǎng)格所在的行政區(qū)的所有網(wǎng)格的根據(jù)隨機(jī)森林模型估計(jì)得到的人口總數(shù)。

與現(xiàn)有技術(shù)相比，本發(fā)明克服了傳統(tǒng)方法對(duì)人口數(shù)據(jù)空間化建模精度低、模型運(yùn)行速度慢、變量因子解釋性差的缺點(diǎn)，利用地表覆蓋數(shù)據(jù)以及燈光數(shù)據(jù)作為人口分布的變量因子，運(yùn)用隨機(jī)森林模型建立人口密度與變量因子之間的關(guān)系，并利用生成的隨機(jī)森林樹對(duì)每個(gè)L×L米柵格的人口密度進(jìn)行估算，最后通過(guò)分區(qū)密度制圖修正模型結(jié)果成功實(shí)現(xiàn)L×L米網(wǎng)格的人口分布估算。

附圖說(shuō)明

圖1為本發(fā)明的一種基于隨機(jī)森林模型的人口數(shù)據(jù)空間化方法的流程圖；

圖2為本發(fā)明中的數(shù)據(jù)預(yù)處理的框架圖；

圖3為本發(fā)明實(shí)施例中將矢量數(shù)據(jù)二值化柵格轉(zhuǎn)換的結(jié)果；

圖4為本發(fā)明實(shí)施例中變量因子的重要性；

圖5為本發(fā)明實(shí)施例中隨機(jī)森林模型反演得到的珠三角2010年30m網(wǎng)格的人口數(shù)據(jù)空間化初步結(jié)果圖；

圖6為本發(fā)明實(shí)施例中珠三角2010年30m網(wǎng)格人口分布示意圖。

具體實(shí)施方式

圖1出示了一個(gè)實(shí)例中的基于隨機(jī)森林模型的人口數(shù)據(jù)空間化方法的實(shí)施方式，包括以下步驟：

(1)獲取行政區(qū)的常住人口數(shù)、燈光數(shù)據(jù)以及其它對(duì)人口分布具有影響的自然和社會(huì)經(jīng)濟(jì)因素的原始數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，得到變量因子距離數(shù)據(jù)、燈光數(shù)據(jù)、行政區(qū)人口密度的對(duì)數(shù)和二值化柵格轉(zhuǎn)換后的變量因子數(shù)據(jù)；

(2)統(tǒng)計(jì)各個(gè)行政區(qū)內(nèi)的每個(gè)變量因子的平均值或最常出現(xiàn)的值并匹配到行政區(qū)邊界；

(3)將步驟(1)預(yù)處理后得到的變量因子距離數(shù)據(jù)、燈光數(shù)據(jù)和行政區(qū)人口密度的對(duì)數(shù)、二值化變量因子?xùn)鸥駭?shù)據(jù)、步驟(2)得到的變量因子的平均值或最常出現(xiàn)值作為隨機(jī)森林模型的輸入，來(lái)尋找變量因子與人口密度的對(duì)數(shù)之間的關(guān)系并輸出變量因子重要性，基于這個(gè)關(guān)系反演出L×L米網(wǎng)格的人口數(shù)，得到人口數(shù)據(jù)空間化的初步結(jié)果；

(4)利用分區(qū)密度制圖修正人口數(shù)據(jù)空間化的初步結(jié)果，最終實(shí)現(xiàn)基于隨機(jī)森林模型的L米網(wǎng)格的人口數(shù)據(jù)空間化的初步結(jié)果。

步驟(1)中的預(yù)處理進(jìn)一步包括：

步驟S11，將所有空間數(shù)據(jù)轉(zhuǎn)換成統(tǒng)一投影坐標(biāo)系以及參考橢球體。

步驟S12，將行政區(qū)的常住人口數(shù)除以行政區(qū)面積得到行政區(qū)的人口密度，并對(duì)人口密度取對(duì)數(shù)；

步驟S13，對(duì)燈光數(shù)據(jù)進(jìn)行雙線性的重采樣成L×L米的柵格；

步驟S14，對(duì)建成區(qū)、河流、水體、道路等其它對(duì)人口分布具有影響的自然和社會(huì)經(jīng)濟(jì)變量因子進(jìn)行歐氏距離計(jì)算。

步驟S15，對(duì)其它矢量格式的對(duì)人口分布具有影響的自然和社會(huì)經(jīng)濟(jì)變量因子進(jìn)行二值化柵格轉(zhuǎn)換。

步驟(1)中步驟S15的二值化柵格轉(zhuǎn)換是將矢量格式的變量因子轉(zhuǎn)換成柵格格式，并和行政區(qū)范圍進(jìn)行合并，0表示變量因子為空，1表示變量因子不為空。

步驟(2)中的統(tǒng)計(jì)各個(gè)行政區(qū)內(nèi)的每個(gè)變量因子的平均值或最常出現(xiàn)的值具體是指對(duì)于變量因子的距離數(shù)據(jù)及其他連續(xù)變量因子進(jìn)行平均值的統(tǒng)計(jì)，對(duì)于二值化的變量因子?xùn)鸥駭?shù)據(jù)進(jìn)行最常出現(xiàn)值的統(tǒng)計(jì)。

步驟(4)中的分區(qū)密度制圖法是按照隨機(jī)森林得到的每個(gè)網(wǎng)格的人口占一個(gè)行政區(qū)的所有網(wǎng)格的總?cè)丝诘谋壤匦路峙涿總€(gè)網(wǎng)格的人口數(shù)，計(jì)算公式如下：

P_i＝S_j×D_i/D_j

式中，P_i為每個(gè)網(wǎng)格內(nèi)的人口數(shù)，S_j為該網(wǎng)格所在的行政區(qū)的人口總數(shù)，D_i為該網(wǎng)格根據(jù)隨機(jī)森林模型估計(jì)得到的人口數(shù)，D_j為該網(wǎng)格所在的行政區(qū)的所有網(wǎng)格的根據(jù)隨機(jī)森林模型估計(jì)得到的人口總數(shù)。

下面結(jié)合一個(gè)實(shí)施例和附圖來(lái)具體闡述基于隨機(jī)森林模型的人口數(shù)據(jù)空間化方法，以進(jìn)一步了解本案的目的、方案和功能，但并非作為對(duì)本案后附權(quán)利要求保護(hù)范圍的限制。圖1為本發(fā)明的一種基于隨機(jī)森林模型的30m網(wǎng)格的人口分布的估算方法的流程圖，參考圖1，該人口數(shù)據(jù)空間化方法包括：

(1)獲取珠三角43個(gè)區(qū)縣級(jí)行政區(qū)2010年的常住人口數(shù)、燈光數(shù)據(jù)以及其它對(duì)人口分布具有影響的自然和社會(huì)經(jīng)濟(jì)因素的原始數(shù)據(jù)如道路、河流、水體、高程、坡度、建成區(qū)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，得到建成區(qū)、河流、水體、道路的距離數(shù)據(jù)、燈光數(shù)據(jù)、行政區(qū)人口密度的對(duì)數(shù)和二值化柵格轉(zhuǎn)換后的建成區(qū)、河流、水體、道路數(shù)據(jù)；

圖2為數(shù)據(jù)預(yù)處理的框架圖，參考圖2，預(yù)處理進(jìn)一步包括：

步驟S11，將所有空間數(shù)據(jù)轉(zhuǎn)換成統(tǒng)一的Albers投影，中央經(jīng)線東經(jīng)105°，起始緯度為0°，標(biāo)準(zhǔn)線為北緯25°和北緯47°，參考橢球選擇Krasovsky_1940橢球體。

步驟S12，將人口數(shù)據(jù)與珠三角區(qū)縣級(jí)行政區(qū)劃邊界根據(jù)區(qū)縣名稱相匹配，保存為ESRI shapefile格式文件，其中的屬性表字段包括行政區(qū)域名稱和相應(yīng)的人口數(shù)。利用ArcGIS屬性表的地理計(jì)算工具統(tǒng)計(jì)各個(gè)區(qū)縣的面積，將珠三角43個(gè)區(qū)縣級(jí)行政區(qū)2010年的常住人口數(shù)除以行政區(qū)面積得到行政區(qū)的人口密度，并對(duì)人口密度取對(duì)數(shù)；

步驟S13，對(duì)燈光數(shù)據(jù)進(jìn)行雙線性的重采樣成30×30m的柵格；

步驟S14，對(duì)于河流、水體、道路網(wǎng)和建成區(qū)的矢量格式數(shù)據(jù)，計(jì)算出珠三角范圍內(nèi)分別到河流、水體、道路網(wǎng)和建設(shè)用地的歐氏距離。

步驟S15，對(duì)變量因子數(shù)據(jù)進(jìn)行二值化柵格轉(zhuǎn)換。圖3為本發(fā)明中將矢量數(shù)據(jù)二值化柵格轉(zhuǎn)換的結(jié)果，二值化柵格轉(zhuǎn)換是將矢量格式的變量因子如道路、建成區(qū)、水體、河流數(shù)據(jù)轉(zhuǎn)換成柵格數(shù)據(jù)格式，柵格大小為30×30m，最后把柵格數(shù)據(jù)與行政區(qū)劃邊界疊加得到二值化柵格數(shù)據(jù)，即如果一個(gè)柵格的土地利用類型為河流或水體或道路網(wǎng)或建成區(qū)，則該柵格的值為1，否則為0。

(2)使用ArcGIS的zonal statistic工具的mean方式統(tǒng)計(jì)每個(gè)區(qū)縣內(nèi)分別到河流、水體、道路網(wǎng)和建成區(qū)的平均距離，把這四組平均距離添加到步驟S12中的屬性表文件中；對(duì)于柵格數(shù)據(jù)格式的燈光數(shù)據(jù)、高程數(shù)據(jù)和坡度數(shù)據(jù)，使用ArcGIS的zonal statistic工具的mean方式統(tǒng)計(jì)得到每個(gè)區(qū)縣內(nèi)的平均燈光強(qiáng)度、平均高程和平均坡度，并把統(tǒng)計(jì)結(jié)果合并到步驟S12中的屬性表文件中。對(duì)于二值化的柵格數(shù)據(jù)，使用ArcGIS的zonal statistic工具的majority方式統(tǒng)計(jì)每個(gè)區(qū)縣內(nèi)出現(xiàn)次數(shù)最多的值，并把統(tǒng)計(jì)結(jié)果合并到步驟S12中的屬性表文件中。

(3)將步驟(1)預(yù)處理后得到的變量因子距離數(shù)據(jù)、燈光數(shù)據(jù)和行政區(qū)人口密度的對(duì)數(shù)、二值化變量因子?xùn)鸥駭?shù)據(jù)、步驟(2)得到的屬性表文件作為隨機(jī)森林模型的輸入，來(lái)尋找變量因子與人口密度的對(duì)數(shù)之間的關(guān)系并輸出變量因子重要性，圖4為本發(fā)明實(shí)施例中變量因子的重要性，基于這個(gè)關(guān)系反演出30×30m網(wǎng)格的人口數(shù)。圖5為本發(fā)明中隨機(jī)森林模型反演得到的珠三角30m網(wǎng)格的人口數(shù)據(jù)空間化初步結(jié)果圖。

(4)利用分區(qū)密度制圖修正人口數(shù)據(jù)空間化初步結(jié)果，最終實(shí)現(xiàn)基于隨機(jī)森林模型的30m網(wǎng)格的人口數(shù)據(jù)空間化，如圖6所示。分區(qū)密度制圖法是按照隨機(jī)森林得到的每個(gè)網(wǎng)格的人口占一個(gè)行政區(qū)的所有網(wǎng)格的總?cè)丝诘谋壤匦路峙涿總€(gè)網(wǎng)格的人口數(shù)，計(jì)算公式如下：

P_i＝S_j×D_i/D_j

式中，P_i為每個(gè)網(wǎng)格內(nèi)的人口數(shù)，S_j為該網(wǎng)格所在的行政區(qū)的人口總數(shù)，D_i為該網(wǎng)格根據(jù)隨機(jī)森林模型估計(jì)得到的人口數(shù)，D_j為該網(wǎng)格所在的行政區(qū)的所有網(wǎng)格的根據(jù)隨機(jī)森林模型估計(jì)得到的人口總數(shù)。

在本發(fā)明提供的這種基于隨機(jī)森林模型的人口數(shù)據(jù)空間化方法中，采用的隨機(jī)森林模型可以同時(shí)輸入大量與人口分布相關(guān)的變量，通過(guò)快速的機(jī)器學(xué)習(xí)后輸出回歸結(jié)果并且不會(huì)產(chǎn)生過(guò)擬合的問(wèn)題，估算精度顯著提高，同時(shí)可以評(píng)估影響人口分布的變量因子的重要性，在一定程度上解決了遙感技術(shù)和GIS技術(shù)結(jié)合使用而進(jìn)行人口數(shù)據(jù)空間化的方法中精度較低、模型運(yùn)行速度較慢、變量因子解釋性差的問(wèn)題。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳盡，但并不能因此而理解為對(duì)本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。