面向地震风险评估的中国大陆区县级人口总量时空预测方法研究

以中国大陆区县级历史人口数据为基础, 研究人口总量和人口增长率的时间序列变化规律, 并综合运用阻滞模型、 指数模型、 对数模型、 线性模型等拟合方法, 得到相当精度的拟合预测模型, 获得了经验证较可靠的中国大陆未来区县级总人口预测结果。 同时, 以2020年预测人口为例, 定量分析了2010—2020年人口空间分布格局, 各区县未来人口增减变化情况, 其能够较准确的表达未来人口空间分布。 本研究旨在为地震风险评估对人口在时间变化和空间分布上的未来预测需求提供可靠数据。     

面向地震应急的人口数据精度评价

人员伤亡评估是实际地震应急工作中最重要的内容之一,而不同精度的人口数据对震后快速评估人员伤亡影响很大。以汶川地震为例,研究甘肃陇南地区不同精度的人口数据,基于GIS平台以高精度的居民地单元人口数据为参考,比较居民点单元、行政村单元、乡镇单元、区县单元四种空间化方法人口数据,对各种人口数据进行精度评价。研究结果表明:随着烈度区面积的减小,不同空间化方法获得的人口数据误差有变大的趋势,人口数据中行政单元越大,误差越大;区县单元人口空间化与居民地人口空间化数据误差最大,相对误差约为144.78%;居民点密度空间化人口数据误差最小,相对误差为15.38%。汶川地震甘肃陇南地区万人死亡率计算结果中,区县单元人口空间化数据计算得到的万人死亡率与居民地人口数据误差最大,绝对误差为5.31,居民点单元人口空间化数据计算得到的万人死亡率与居民地人口数据误差最小,绝对误差为0.70。     

1776~1953年中国传统农区人口的格网化重建

本研究利用现代人口和环境因子数据,通过地理探测器分析辨识了人口分布的显著影响因子,进而构建了基于随机森林回归算法的人口空间分布模型,最后以史学界考订的历史人口数据为基础,重建了1776~1953年6个时间断面中国传统农区10km×10km分辨率的人口空间分布,并分析了人口分布的时空变化特征.研究发现:(1)显著影响中国传统农区县域之间人口密度差异的主要环境因子包括海拔、坡度、地势起伏度、距地区(州、府)级城市与省会城市的远近、距河流远近及气候湿润指数.(2)利用2000年传统农区1934个县级人口及上述环境因子数据,基于随机森林回归算法构建的人口空间分布模型的方差解释量(R²)为0.81,88.4%的县(区)的模型预测误差小于50%.(3)1776~1953年研究区人口总体呈增加趋势,1851年之前主要表现为长三角地区人口持续增长,该地区500人/km²以上的网格数由292增至683个;1851~1953年则以多地区人口普遍增加为主要特征,华北平原500人/km²以上的网格数由36增至88个,珠江三角洲地区由4增至35个.各时期人口分布的空间聚集特征不一,其成因涉及经济重心转移、传统观念、战乱、灾荒、移民政策等多方面.(4)本文重建与HYDE数据集在数据源、环境因子遴选和建模方法上均有所不同,与本文重建结果相比,1776~1851年HYDE的人口总体上东部偏少,西部偏多,1851年后城镇偏多,乡村偏少.     

青海区域基础数据与经济承载体抽样调查

针对南北地震带区域特点,通过对青海省区域基础数据社会承载体和经济承载体的调查并对人口、经济、经济承载体随着时间和空间的变化规律进行深入统计分析,给出了省会、地市、区县、乡镇等不同类型建筑面积比例,确定了各地区典型经济承载体的构成和分布特征。     

基于风险普查建筑物隐患数据和夜间灯光数据的云南省盈江县人口分布精细化研究

现有的在地震应急中人口空间化数据因制作方法、数据来源不同,导致人口空间化产品存在较大差异,人口空间分布数据无法满足震后地震应急期间数据需求。以云南省盈江县为研究区,基于第七次全国人口普查盈江县数据、第一次自然灾害风险普查数据和夜间灯光遥感影像数据,利用空间叠加法计算人口分布权重,结合面积权重得到盈江县100 m×100 m格网的人口空间化结果。经精度评定,研究区所有乡镇人口空间化相对误差绝对值均小于0.6%,与2020年乡镇街道人口统计数据的相关系数R²接近1。结果表明,结合乡镇尺度人口统计、夜间灯光影像和重点隐患调查等数据所构建的人口空间化模型,所获100 m×100 m格网的人口密度数据精度得到了显著提高。     

面向地震应急的人口空间化方法研究——以云南省大理白族自治州为例

为提高震后受灾人口估算精度和灾区人口空间分布可视化表达效果,以云南省大理州为研究区,结合FROM-GLC10地表覆盖数据和NPP/VIIRS夜间灯光数据,基于乡镇人口统计数据,展开人口空间化方法研究,制作了大理州50 m×50 m人口格网数据。使用相关系数、相对误差和平均相对误差对人口模拟结果进行了检验,以漾濞5.1级地震和云龙5.0级地震为例对模拟结果进行了应用分析。结果表明:①结合FROM-GLC10地表覆盖数据和NPP/VIIRS夜间灯光数据的人口空间化可以有效提取人口空间分布范围,并区分人口空间分布的差异性;②乡镇模拟人口与实际统计人口的相关系数R~2为0.955,平均相对误差为14.306%,82%的乡镇相对误差在±20%以内,人口模拟数据精度较高;③2次地震的灾区人口模拟数据与实际统计数据的相对误差分别为-1.67%和-2.27%,人口空间分布模拟结果可以直观反映灾区人口分布情况,研究成果可为震后辅助决策提供数据支持。     

基于多源数据的云南人口空间分布模拟研究

人口数据精度是提高地震灾情速判准确度的关键之一。本文基于多源数据融合思路,以云南第6次人口普查数据为基础,把居民地作为人口分布指示因子,利用GIS软件工具,分析了人口分布与地貌形态、坡度、地形起伏度以及土地利用之间的关系,构建了人口影响因子的权重系数,并采用城乡人口-面积统一模型对人口统计数据进行了网格化空间模拟及精度检验。以2013年3月3日云南洱源5.5级地震为例,通过多种估算方法对灾区人口进行了计算及对比分析,结果表明,多源数据融合法生成的千米网格人口与实际人口的相关性均在0.89以上,人口数据精度符合实际,可为灾情速判提供可靠的数据基础。     

基于多源信息的高空间分辨率人口分布研究

针对已有的人口空间化研究多采用静态数据、时空分辨率较低、在应急救援等方面实用性不高的问题,提出了一种使用高时空分辨率数据,结合城市圈层结构理论和主成分分析法的建筑物尺度人口估算方法。以成都市为例,利用腾讯位置大数据,通过计算不同城市圈层的定位率,得到了成都市不同时段1 km×1 km的人口分布数据。在此基础上,以基于建筑物中心点的泰森多边形为人口分配基本单元,结合宜出行热力数据和POI数据,分别计算其对人口分布的贡献值并赋予计算权值,得到了成都市青羊区建筑物尺度人口分布数据。街道尺度统计数据回归分析的决定系数R~2为0.926 4,总体精度较高,模拟人口分布符合实际情况。     

基于建筑物与POI数据的人口空间化研究

人口数据是地震灾害人员伤亡评估的基础,准确的人口空间分布信息对提高应急灾情评估的准确度和开展高效的应急决策具有重要意义。本文结合建筑物空间分布、POI(兴趣点)、路网与人口统计等数据,基于Spearman相关分析以及多元线性回归分析方法,构建人口空间化模型,实现了人口统计数据基于规则格网的更为精确的可视化表达。结果表明:(1)建筑物空间分布能较好地反映人口的宏观分布特征,但是对于人口分布细节特征的刻画,则是以POI数据来反映人口的微观分布特征效果更为理想;(2)受区域经济发展影响,人口分布具有明显的空间差异,由城镇向乡村区域递减的趋势明显,中心城区、周边城镇、偏远乡镇之间的人口密度差异巨大。基于建筑物与POI数据的人口模拟值与实际值的偏差较小,数据精度符合实际情况,可为灾情研判提供可靠的基础数据。     

2021年5月21日云南漾濞6.4级地震灾害损失快速评估结果分析

本文针对2021年5月21日云南漾濞6.4级地震,选取不同的地震烈度衰减关系模型,对各模型地震影响场评估结果与发布的地震烈度图进行对比分析,并对地震影响范围不确定性进行研究。选取多种死亡人数评估模型,分别计算各模型在不同地震影响场下的死亡人数、人口分布数量,探讨各地震影响场模型下的人口分布特征及影响人员死亡的主要因素。通过对比分析可知,导致此次地震灾害损失评估结果与真实地震现场结果不同的主要原因是地震影响场分布、人口分布、房屋建筑抗震能力偏差、地形地貌、次生灾害等多种因素不同。研究结果表明,有效提高地震灾害损失快速评估精确性的途径为提高地震影响场评估精度,提高人口分布、房屋建筑等数据空间分布评估精度,后期专家检验等。     

Population Expousure in the High Seismic Hazard AREA of Low-elevation Coastal Zone in China from 1990 to 2015

中国沿海低地人口稠密、经济发达,是包括地震在内的自然灾害频发地区。由于已有研究成果缺乏对地震灾害暴露和风险的研究,本文利用CoastalDEM、Worldpop人口和中国地震动参数区划等数据,分析1990—2015年中国沿海低地地震高危险性地区人口暴露时空变化特征。研究结果表明,中国沿海低地地震高危险性地区面积为15.1×104 km2,约占全国沿海低地总面积的70.6%;1990—2015年,沿海低地地震高危险性地区暴露人口不断增加,2015年暴露人口达16869万人,与此同时,城市人口快速增长,而农村人口大幅下降。     

上海近50年气温变化与城市化发展的关系

根据上海地区2个气象站近50年的年均气温数据,采用回归分析、滑动平均和Mann\|Kendall检验法研究上海地区气温的年代际变化与跃变,城郊温差的年际变化;采用趋势拟合与相关分析,研究城郊温差与城市人口、GDP、能源消耗量、建成区面积和住宅竣工面积等各项城市发展指标的关系.结果表明：（1）近50年来,上海地区年均气温缓慢上升,20世纪90年代后城郊温差呈锯齿状上升趋势,若以徐家汇代表城区,奉贤代表郊区,则近50年来,城郊温差增温率为0.23℃/10a.（2）1989~1990年为上海城区气温的跃变年份,而郊区的气温跃变出现在20世纪90年代中期.（3）各项城市发展指标均与上海城郊温差有着显著的相关性,表明它们与上海城市热岛的发展关系密切,其中,住宅建设是上海城市热岛最主要的驱动因素,城市人口和经济发展也具有重要影响.     

山西省人口空间公里格网分布模型研究

精准的人口分布信息是震后灾害快速评估、应急救援决策的重要依据。本文应用居民地这一与人口分布密切相关的基础数据,结合居民地建筑物给出不同区域人口权重,以人口统计数据为总量控制,完成人口空间公里格网数据模型建立,并与夜间灯光数据、道路数据、实际调研数据等进行对比分析。结果表明,该人口分布模型可靠性高,可为震后灾害快速评估、应急救援决策提供可参考的人口数据。     

基于天地图高精度建筑物的四川宝兴县人口估算

为了提高震前灾害风险评估和震后灾情快速评估工作中人口空间分布估计的准确性,利用2016年四川宝兴县乡镇人口数据及天地图中的建筑物数据,运用居住建筑人口密度方法得到四川宝兴县各乡镇居住建筑物尺度的人口分布矢量数据,并利用实地调研获取的单体建筑物实际人口进行精度验证。实验结果表明:以居住建筑物体积作为人口空间分布指示因子建模,得到的拟合精度为0.9027,人口平均相对误差为15.23%,结果具有可靠性,可为震前灾害风险评估和震后灾情快速评估提供更为可靠的数据支撑。     

面向防震减灾的人口数据空间化研究——以2007年宁洱地震灾区为例

入口是地震灾害的重要受灾体,准确的入口空问分布信息是防震减灾工作的重要依据.本文借助地理信息系统,将人口统计数据与高分辨率遥感数据相结合,应用基于居民地的人口数据空间化方法,模拟人口空间分布.首先根据城市人口—面积异速生长模型的分形几何意义,推导出城乡人口一面积统一模型;进而以2007年宁洱地震灾区为例,在建立居民地分类体系和遥感解译标志的基础上,目视解译获得准确的居民地信息;最后应用城乡人口—面积统一模型获得网格人口密度矢量数据.经检验,本文的结果达到了较高的精度.同时在人口数据空间化完成的基础上,以地震受灾人口估算为例,探讨了人口数据空间化在防震减灾中的应用.研究结果表明,基于网格人口矢量数据的受灾人口估算结果更能客观反映地震灾情,可以为防震减灾和应急救援工作提供可靠的依据.     

面向地震应急的山区人口百米格网分布——以麟游县为例

破坏性地震发生后,山区易发生滑坡、泥石流等地质灾害。精细化人口空间分布数据能够有效提升灾情评判精度,为应急救援决策提供参考依据。本文以陕西省麟游县为例,利用"天地图"高分辨率遥感影像解译大比例尺居民地数据,结合人口、行政区划等数据,利用GIS（地理信息系统）技术制作100 m×100 m格网人口分布数据。通过与陕西省地震局现有人口空间数据进行对比,发现百米格网人口分布数据可明显提升山区次生灾害影响人口计算结果的可靠性。     

人口、房屋数据空间化及在2021年拜城MS5.4地震中的应用

地震灾情快速评估依赖于震区准确的人口、房屋等设施的数量和空间分布,是震后地震应急救援、地震烈度评估的核心支撑。以阿克苏地区的居民点、POI数据为基础,采用核密度估算结合道路分布和房屋占地面积的方法,构建了人口密度权重模型,获得了研究区1 km×1 km的人口、房屋格网数据。结果显示,各乡镇实际人口数量与模拟人口数量线性拟合相关系数为0.909,线性拟合相对较好,表明人口空间化结果达到了较高精度。为了更好地验证上述方法和数据,以2021年拜城M_S5.4地震为例,叠加对比分析震区人口、房屋格网数据与地震评估区之间的定量关系。按照地震评估区进行了人口、房屋面积的模拟,该数据与实际现场数据之间误差较小,能够满足震后地震灾情快速评估的需求,可为灾害预评估及地震现场灾害快速评估等工作提供可靠依据和支撑,同时空间化的方法也为后续该方向的研究提出了一个新的思路。     

基于DMSP/OLS的人口分布网格精细化研究

采用浙江省已有的乡镇级行政区域面属性数据、乡镇级的建筑物数据和灯光数据,利用加权计算的方法,得到了浙江省250 m×250 m的网格人口分布数据。与传统公里网格人口分布数据进行对比,所得到的网格数据不仅能有效体现出人口分布特征,而且能适用华东地区的中小地震灾害评估。     

基于手机位置数据的四川九寨沟7.0级地震人流分析

2017年8月8日四川九寨沟7.0级震后,浙江省地震局利用大数据采集了1031.99万条手机位置记录和4.46万个空间格网位置。本文结合24hr连续定位的手机数据,使用手机位置数据分别对九寨沟灾区人口从时间和地理维度上进行了量化分析,估计了多维人口分布的偏差,同时,探讨了剔除微观误差数据用户来估算灾区通讯基站退服分布的方法。该项工作为震后快速获取灾区人口实时动态分布提供了有效途径,同时也为地震灾害评估提供了较准确的依据。     

基于时空大数据的城市地震应急避难场所布局研究——以银川市西夏区为例

以银川市西夏区为例,利用GIS对POI（兴趣点）数据和道路缓冲区进行空间关联,识别城市各功能区,借助手机信令数据对城市功能区和人口空间分布数据进行匹配,推算人口时空分布变化;在此基础上,根据容纳性、可达性和就近性原则对城市地震应急避难场所重新规划,解决应急避难场所目前存在的布局不合理问题。结合现有资源经定量分析,新增两处固定应急避难场所,可有效缓解破坏性地震发生时应急避难场所的超负荷和供需矛盾问题。此研究成果可为城市地震应急避难场所服务能力分析、科学布局规划提供新思路和新手段。