本发明专利技术提供了一种长时期网格人口分布构建方法
【技术实现步骤摘要】
一种长时期网格人口分布构建方法、系统、设备及介质
[0001]本专利技术涉及地理信息科学
,特别是涉及一种长时期网格人口分布构建方法
、
系统
、
设备及介质
。
技术介绍
[0002]长时期高分辨率的网格人口分布数据对于理解人类活动对于自然环境的影响具有重要的意义
。
此外,网格人口分布数据是评估人类社会对各类自然灾害包括,洪水
、
海平面上升
、
干旱
、
热浪
、
传染病
、
滑坡
、
地震等的暴露和脆弱程度的关键基础数据
。
同时,网格人口分布数据也是评估和监测联合国可持续发展目标进展的重要数据,超过
73
个可持续发展指标需要网格人口分布数据作为输入
。
因此构建长时期高分辨率的网格人口分布数据对于加深我们对人类和自然交互的理解以及解决各类社会和环境挑战具有重要的意义
。
[0003]近几十年来,地理空间数据可用性革命大大促进了网格人口空间分布数据的发展,基于遥感数据几个著名的全球网格人口分布数据先后被生产出来,包括
GWP
,
GRUMP
,
GHS
‑
POP
,
Landscan
和
WorldPop
等
。
卫星遥感数据能够捕获大规模的人口分布模式特征是网格人口分布制图重要的辅助数据,然而卫星影像有限的时间跨度使得长时期从历史到未来的网格人口制图具有很大的困难
。
当前的网格人口分布数据产品集中在有卫星观测数据的近几十年
。
为了捕获长时期的人口动态,必须要生产横跨历史当代和未来的网格人口数据
。
[0004]当前已有一些未来和历史网格人口数据构建的研究,然而由于缺乏动态的辅助数据,已有的研究通常使用静态的辅助数据或不使用辅助数据,导致结果具有很大的不确定性
。
此外,已有的研究通常基于简单的经验方法,难以建模各类因子和人口分布之间复杂的非线性关系
。
此外,当前的观测
、
历史和未来网格人口分布建模通常使用不同的数据和方法,导致数据间缺少一致性,无法支持长时期的人口动态分析
。
技术实现思路
[0005]本专利技术的目的是提出一种长时期网格人口分布构建方法
、
系统
、
设备及介质,以有效提升网格人口分布制图的精度
。
[0006]为了实现上述目的,第一方面,本专利技术实施例提供了一种长时期网格人口分布构建方法,所述方法包括:
[0007]获取初始城市用地分布数据集
、
初始人口分布数据集和驱动因子数据集,所述驱动因子数据集包括高程
、
坡度
、
到河流的距离
、
到城市中心的距离和到主要道路的距离;
[0008]根据所述初始城市用地分布数据集建立并训练城市用地分布模型,将所述驱动因子数据集输入训练后的城市用地分布模型,得到城市用地发展适宜性数据;将所述城市用地发展适宜性数据和所述初始城市用地分布数据集输入
FLUS
模型,构建城市用地分布;
[0009]根据所述初始人口分布数据集和初始城市用地分布数据集建立并训练人口分布模型,将所述城市用地分布和所述初始人口分布数据集输入训练后的人口分布模型,构建长时期网格人口分布
。
[0010]进一步地,所述将所述城市用地发展适宜性数据和所述初始城市用地分布数据集输入
FLUS
模型,包括
:
[0011]将所述城市用地发展适宜性数据和历史年份的初始城市用地分布数据集输入
H
‑
FLUS
模型,重建历史城市用地分布,所述
H
‑
FLUS
模型由
FLUS
模型去除总概率最小的像元得到,所述总概率为城市用地发展适宜性与邻域效应的乘积
。
[0012]进一步地,所述将所述驱动因子数据集输入训练后的城市用地分布模型,得到城市用地发展适宜性数据,包括:
[0013]将城市用地分布模型中连接输入层节点和中间层节点的网络权重乘以驱动因子数据,得到中间层节点数据;
[0014]将城市用地分布模型中连接中间层节点和输出层节点的网络权重乘以所述中间层节点数据的
sigmoid
值,得到输出层节点数据;
[0015]计算所述输出层节点数据的
sigmoid
值作为城市用地发展适宜性数据
。
[0016]进一步地,所述获取驱动因子数据集,包括:
[0017]通过
GIS
软件计算各像元的坡度
、
高程
、
到河流的距离
、
到城市中心的距离和到主要道路的距离
。
[0018]进一步地,所述获取驱动因子数据集,包括:
[0019]将所述驱动因子数据集转化为栅格数据后进行归一化处理,并重采样至预设空间分辨率
。
[0020]进一步地,所述根据所述初始人口分布数据集和初始城市用地分布数据集建立并训练人口分布模型,包括:
[0021]根据随机森林模型建立人口分布模型,根据所述初始人口分布数据集
、
所述初始城市用地分布数据集和所述驱动因子数据集训练所述人口分布模型
。
[0022]进一步地,所述根据所述初始城市用地分布数据集建立并训练城市用地分布模型,包括:
[0023]将共享社会经济路径数据库的城市用地总量作为训练终止的约束
。
[0024]第二方面,本专利技术实施例提供了一种长时期网格人口分布构建系统,所述系统包括:
[0025]数据获取模块,用于获取初始城市用地分布数据集
、
初始人口分布数据集和驱动因子数据集,所述驱动因子数据集包括高程
、
坡度
、
到河流的距离
、
到城市中心的距离和到主要道路的距离;
[0026]城市用地分布构建模块,用于根据所述初始城市用地分布数据集建立并训练城市用地分布模型,将所述驱动因子数据集输入训练后的城市用地分布模型,得到城市用地发展适宜性数据;将所述城市用地发展适宜性数据和所述初始城市用地分布数据集输入
FLUS
模型,构建城市用地分布;
[0027]人口分布构建模块,用于根据所述初始人口分布数据集建立并训练人口分布模型,将所述城市用地分布和所述初始人口分布数据集输入训练后的人口分布模型,构建长时期网格人口分布
。
[0028]第三方面,本专利技术实施例还提供了一种计算机设备,包括存储器
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种长时期网格人口分布构建方法,其特征在于,所述方法包括:获取初始城市用地分布数据集
、
初始人口分布数据集和驱动因子数据集,所述驱动因子数据集包括高程
、
坡度
、
到河流的距离
、
到城市中心的距离和到主要道路的距离;根据所述初始城市用地分布数据集建立并训练城市用地分布模型,将所述驱动因子数据集输入训练后的城市用地分布模型,得到城市用地发展适宜性数据;将所述城市用地发展适宜性数据和所述初始城市用地分布数据集输入
FLUS
模型,构建城市用地分布;根据所述初始人口分布数据集和初始城市用地分布数据集建立并训练人口分布模型,将所述城市用地分布和所述初始人口分布数据集输入训练后的人口分布模型,构建长时期网格人口分布
。2.
根据权利要求1所述的一种长时期网格人口分布构建方法,其特征在于,所述将所述城市用地发展适宜性数据和所述初始城市用地分布数据集输入
FLUS
模型,包括
:
将所述城市用地发展适宜性数据和历史年份的初始城市用地分布数据集输入
H
‑
FLUS
模型,重建历史城市用地分布,所述
H
‑
FLUS
模型由
FLUS
模型去除总概率最小的像元得到,所述总概率为城市用地发展适宜性与邻域效应的乘积
。3.
根据权利要求1所述的一种长时期网格人口分布构建方法,其特征在于,所述将所述驱动因子数据集输入训练后的城市用地分布模型,得到城市用地发展适宜性数据,包括:将城市用地分布模型中连接输入层节点和中间层节点的网络权重乘以驱动因子数据,得到中间层节点数据;将城市用地分布模型中连接中间层节点和输出层节点的网络权重乘以所述中间层节点数据的
sigmoid
值,得到输出层节点数据;计算所述输出层节点数据的
sigmoid
值作为城市用地发展适宜性数据
。4.
根据权利要求1所述的一种长时期网格人口分布构建方法,其特征在于,所述获取驱动因子数据集,包括:通过
GIS
软件计算各像元的坡度
、
高程
、
【专利技术属性】
技术研发人员:庄浩铭,刘小平,
申请(专利权)人:中山大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。