基于GIS空間分析的云南省人口分布時空變化

1、云南師范大學(xué)2014-2015學(xué)年上學(xué)期統(tǒng)一考試GIS空間分析期末試卷（非制卷）專業(yè)GIS課程名稱GIS空間分析任課教師董銘班級2012GIS姓名曹雨薇學(xué)號124130302 YUNNANNDRMALUNIVERSITY本科學(xué)生設(shè)計報告學(xué)號124130302班級2012級GIS姓名曹雨薇專業(yè)地理信息系統(tǒng)課程名稱GIS空間分析指導(dǎo)教師董銘開課學(xué)期2014至2015學(xué)年上學(xué)期上課時間2014年_9-12月云南師范大學(xué)旅游與地理科學(xué)學(xué)院名稱：云南省人口分布的時空變化時間：2014/12/28小組合作：是否小組成員：無1、目的:1）對云南省人口分布情況，根據(jù)樣本點數(shù)據(jù)選擇適用的插值方法（從普通克里金、

2、反距離加權(quán)插值中選擇）a）數(shù)據(jù)探索：數(shù)據(jù)是否為正態(tài)分布，數(shù)據(jù)分布的趨勢等；b）空間自相關(guān)性探討：在半變異協(xié)方差函數(shù)中，選擇不同的模型，分析其異質(zhì)性、標準平均值、標準均方根作為依據(jù)選擇模型；c）生成普通克里金插值預(yù)測圖d）生成反距離加權(quán)插值圖、在此過程中對幕指數(shù)進行討論，確定幕指數(shù)的值e）比較兩種插值方法，確定合適的插值方法。2）對得出的結(jié)果圖對云南省人口在空間、時間上的分布情況的結(jié)果進行分析。2、數(shù)據(jù)及使用軟件模塊：Arcmap下：EditorArcToolbox-DataManagementTools-ProjectionandTransformations-DefineProjection

3、JoinsandRelatesGeostatisticalAnalyst-ExploreData-HistogramGeostatisticalAnalyst-ExploreData-NormalQQPlotGeostatisticalAnalyst-ExploreData-TrendAnalysisGeostatisticalAnalyst-GeostatisticalWizardArcToolbox-SpatialAnalystTools-Extraction-ExtrctbyMaskArcToolbox-SpatialAnalystTools-Interpolation-IDWArcTo

4、olbox-SpatialAnalystTools-MapAlgebra-RasterCalculatorMicrosoftOffice-Excel2、中數(shù)據(jù)處理過程：（一）數(shù)據(jù)準備及處理：Sheetl全國人口普查第五次、第六次數(shù)據(jù):“云南省人口數(shù)據(jù).xls”,所有數(shù)據(jù)均在1234567891011121314152.云南省99省市區(qū)市縣縣縣縣彝縣縣彝自回自南明川明貢寧民良林治明勸族甸族寧靖頤云昆東昆呈晉富宜石自嵩祿苗縣尋彝縣安曲箋ENAM223978246220330514287095429355396404481721457068數(shù)據(jù)圖治，文件名為:”縣級罰咖訃“器爲圖1全國4236008

5、9578129427556427598421806852677391400463966774620129164322122719173272586310843283784145554419400圖2云南省縣級圖何#一亠r%1；永德辰J濱匸縣Sr.縣溫縣:謀n,丘TSr永樹晝寧毆馬辜換値W出1:推祐擺4治縣密:舍澤O,，東川國=r3#ilfAbout初冋口口d日ta圖3云南省各縣點狀圖islayer?世h日tdoyou艸日nttojointo1,_ChoosethefielclinthisiBvefthatthejoinwillbebasedon:NAME992.Choosethetableto

6、jointothislayer,orloadthetablefromdisk:3.Choosethefieldinthetabletobasethejoinon:NAME99F進行連接好的點狀圖5.數(shù)據(jù)導(dǎo)JoinletsyouappendadditionaldatatothislayersattributetablesoyoucanTforexampl亡symbolize出亡layersfeaturesusingthisdata.4.數(shù)據(jù)完善把云南省人口普查的數(shù)據(jù)首先連接(Tableofcontentsxian.shp右鍵JoinsandRelatesJoin)至U云南省各縣點狀(xian.s

7、hp)中，然后進行相關(guān)設(shè)置3.云南省各縣點狀圖，并設(shè)置屬性NAME99為縣名，文件名”xian.shp”JoinOptionsQKeepallrecurdsAllrea)rdsinthetargettableareshownintheresultingtable.Unmatrhedecord呂willcontainnullvaluesfarallfieldsbeingappendedintothetargettablefromthejointable.rJoinD日ta圖4連接設(shè)置Keeponlymatchingrecords把與人口數(shù)據(jù)/云南査人口數(shù)據(jù)二Sheetl$/Showtheattr

8、ibutetablesoflayersinthislistValidateJoinCancel.弟/廠,kc儲第晟買菠囲能旨治區(qū)*)0苣t0日 (xian.shp)導(dǎo)出來，以保存連接的字段，導(dǎo)出的圖名為：縣點.shp。捉ianmingTable*冒“崔7%毬岡要XFIDShapeIdMAME99第五按0Point00035S6589-1Point0香格亙拉縣14-74161729BB2Point0雛酉諜肚自諧縣1460171606053Point0貢止獨龍挨怒垛自誇3474石378944Point0粽貢縣33127986165Point0芝坪日挨譽采雄自諧19977212992*6Point0

9、瀘朮縣1719741848357Point0送沖縣5939256447658Point0理止市84SSS5935fil39Point0E寧縣333241343956M10H國昌(0outof123Selected)xianmmg*圖5縣點.shp的屬性表(二)數(shù)據(jù)探索1.打開地統(tǒng)計模塊，在主菜單欄CustomizeExtensionsGeostatisticalAnalystzExtensons3D/VialystSelecttheextensionsyouwanttouse.:“ArcSu日n_口回口；“回GeostatistiuRAnalyst|NetworkAnalystPublishe

10、rSchematicsSpatialAnalystTrackingAnalystDescription:圖6打開地統(tǒng)計模塊數(shù)據(jù)分布分析2.1直方圖分析：2.1.1在屬性表里對全國第五次人口普查的云南省各縣的人口數(shù)量除以各縣面積得到各縣的平均人口密度，同樣的方法得到第六次人口普查數(shù)據(jù)的各縣平均人口密度圖7各縣人口密度2.1.2在ArcMap菜單欄右鍵單擊，選擇GeostatisticalAnalyst，打開地統(tǒng)計分析模塊，然后在地統(tǒng)計分析模塊下選擇ExploreDataHistogramGeostatisticalAnalystXGeostatisticalAnalystT動Geostatist

11、icalAnalystHelpTutorialExplor已DataGeostatisticalWizard.SubsetFeatures.iIHistogramNormalQQPlotVoronoiMapTrendAnalysisSemivariogram/CovariHistogramCreatehistogramofdatavalues.它PressFlformorehelp.GeneralQQPlotCrosscovarianceCloud圖8直方圖探索2.1.3對Histogram對話框進行設(shè)置，圖層設(shè)置為“縣點”，屬性設(shè)置為“5密度圖9Layer,Attribute設(shè)置2.1.4人

12、口密度分布分析：由上圖可以看出：A）數(shù)據(jù)集中在左側(cè)，在右側(cè)中部有明顯的離群值B）峰度值為37.915，明顯高于正態(tài)分布值3C）人口密度的平均值182.81也大于中位數(shù)113.67D）偏度系數(shù)5.9214大于0屬于高峽峰的正偏態(tài)分布，偏度大于0,數(shù)據(jù)集中于左邊，屬于正偏度，直方圖向右延伸E）四分之三減四分之一中位數(shù)的值為90左右，極度分散F）綜上所述，數(shù)據(jù)不屬于正態(tài)分布，為使其正態(tài)分布，下面將對其進行對數(shù)變換2.1.5對數(shù)據(jù)進行正態(tài)變換，并分析數(shù)據(jù)：A）數(shù)據(jù)趨于正態(tài)分布，峰值為7.3319B）峰度值為7.3319，仍然高于3C）四分之三中位數(shù)減去四分之一中位數(shù)等于0.8左右，比起沒有變換的有明顯

13、改D）人口平均值亦與中位數(shù)想接近，相差0.4，標準差趨近于0.8E）與沒有變換的相比，經(jīng)過對數(shù)變換的數(shù)據(jù)更加接近于正態(tài)分布，但在左側(cè)和右側(cè)均有斷層，偏度大于0,數(shù)據(jù)在左側(cè)更為集中2.1.5因為數(shù)據(jù)仍然與正態(tài)分布差距較大，所以再嘗試下，幕變換，并把幕指數(shù)經(jīng)過試驗后設(shè)置為-0.11變換后的數(shù)據(jù)分析如下：A）與之前的峰值7.3319相比，現(xiàn)在為6.7255，較之前更加接近于3,B）偏度為-0.185445,也比之前的0.611312更好；C）四分之三中位數(shù)減四分之一中位數(shù)相減（3.8902-3.4086）接近于0.5，與0.8相比極值差距更小，分布更均勻D）標準差也是0.49337比0.83773更

14、接近于0E）人口密度平均值與中位數(shù)相比幾乎相等，對數(shù)變換相差0.4F）綜上所述，雖然使用幕變換仍然不是正態(tài)分布，分析原因是因為云南省人口密度分布極其不均勻，最大值和最小值相差太大，所造成，而對比三種方法（無變換、對數(shù)變換、幕變換），使用幕指數(shù)為-0.11最為合適，所以本數(shù)據(jù)采用幕變換，其基本符合正態(tài)分布，三種方法的具體數(shù)據(jù)見圖12。無變換對數(shù)變換前幕變換后Min（最小值）7.90362.06731.8491Max（最大值）27907.93385.2926Mean（平均值）182.814.70183.6485Std.Dev（標準差）383.530.837730.49337Skewness（偏度系

15、數(shù)）5.92140.61312-0.18545Kurtosis（峰值）37.9157.33196.72551-stQuartile（1/4分位數(shù)）71.6694.27213.4086Median（中位數(shù)）113.674.73333.68983-rdQuartile（3/4分位數(shù)）160.325.07223.8902站段t試*瀝圖11左對數(shù)變換右幕變換表1變換前后統(tǒng)計值對應(yīng)表（2000）2.1.6用同樣的方法經(jīng)過分析對比后，發(fā)現(xiàn)對于2010年（全國人口第六次普查）的云南省人口密度來說，經(jīng)過幕變換（幕指數(shù)為0.11）的樣本點更加符合與正態(tài)分布,具體數(shù)據(jù)如下圖所示：圖12幕指數(shù)變換無變換對數(shù)變換前幕

16、變換后Min（最小值）8.61962.1541.9179Max（最大值）2988.68.00255.3212Mean（平均值）199.64.76863.6877Std.Dev（標準差）422.50.851190.4948Skewness（偏度系數(shù)）5.82250.71442-0.04184Kurtosis（峰值）36.887.02086.37041-stQuartile（1/4分位數(shù)）74.4654.31033.4325Median（中位數(shù)）115.064.74543.6973-rdQuartile（3/4分位數(shù)）177.845.18093.9492表2變換前后統(tǒng)計值對應(yīng)表（2010）2.1.

17、72000年與2010年經(jīng)幕變換后的數(shù)據(jù)對比分析2000（幕變換后）2010（幕變換后）Min（最小值）1.84911.9179Max（最大值）5.29265.3212Mean（平均值）3.64853.6877Std.Dev（標準差）0.493370.4948Skewness（偏度系數(shù)）-0.18545-0.04184Kurtosis（峰值）6.72556.37041-stQuartile（1/4分位數(shù)）3.40863.4325Median（中位數(shù)）3.68983.6973-rdQuartile（3/4分位數(shù)）3.89023.9492表32000年與2010年統(tǒng)計值對應(yīng)表由上表可以得出下面兩點

18、：A）最小值、最大值、平均值2010年較2000年都有所提升，說明人口密度在云南省屬于上升階段B）峰值、偏度系數(shù)都對比正態(tài)分布的3與0,2010年比2000年更加符合正態(tài)分布， 縣點 3.NormalQQPlot,值所以推斷2010年較2000年人口分布極度不均勻的現(xiàn)象有所改善，2010年中平均值與最小值的差距在變小，1/4分位數(shù)與3/4分位數(shù)的差距也在變小，說明云南省人口分布更加均勻，但改變不大，分布仍然不均勻，只是有所改善。正態(tài)QQ圖分析：查看樣本數(shù)據(jù)是否符合正態(tài)分布，檢查離群3.1對2000年的人口密度進行正態(tài)QQ圖分析：3.1.1當不做變換時，分析結(jié)果如圖所示：同樣設(shè)置圖層（Layer

19、）為“縣點”，屬性（Attribute）為“5密度”可以看出：樣本點偏離直線特別多，在左下方和右上方都分別有幾個點屬于離群點，我們可以得出兩點：A）沒有經(jīng)過變換的樣本點數(shù)據(jù)不屬于正態(tài)分布B）樣本點中存在很多離群點，因此，在這里對離群點進行分析，初步推斷，是屬于云南省中人口密度特別大的點和人口密度特別小的點，在QQ圖中選出這些點，這些點會在圖層窗口中顯示，打開“縣點.shp”圖層的屬性表（見圖14），我們可以看到，位于右上方的三個點分別是玉溪、昆明、曲靖，位于左下方的幾個點有德欽縣、香格里拉縣、貢山獨龍族自治縣、江城哈尼族彝族自治縣等，上述的右上角的縣都是人們密度特別高的地區(qū)，均在2000人/平

20、方公里以上，二左下角幾個縣的人口密度都在50人/平方公里以下，屬于人口特別稀疏縣,這樣便導(dǎo)致了這些離群值的出現(xiàn)，與推斷相符合。NormalQQPIotTip:ClickordragoverpointstoselectAddtoLayout7T臺仃sformationTransformation:NoneDataSource圖132000年無變換正態(tài)QQ圖GeostatisticalAnalystX|年QQ圖禺群點屬縣點Area5密度6密度NAME997243992769.378.29459.192311379871317.8212.954115.2012香恪里疽曇4396240330.817.

21、90368.61962168890786.062665.55332965.6689昆明市963014623.12152.6205239】.9793玉溪市3464370449.752&935435.0713遼城噲尼雯茅喪1959161693.942790.01422988.5512曲靖市41-1110冒(7outof123Selected)TableXx3.1.2對樣本點數(shù)據(jù)進行變換，按照直方圖的結(jié)果，對數(shù)據(jù)進行幕變換，幕指數(shù)為-0.11,可以看到，變換后的圖樣本點基本上是直線分布，數(shù)據(jù)近似符合正態(tài)分布，從樣本點的分布來看，存在小值和大值區(qū)域和個別離群值3.2對2321用結(jié)果基本是一致的，除了人

22、口密度有小幅度上升以外，離群點的數(shù)據(jù),縣，跟2000年相比，沒有變化，所以此處不再累述可以看出,今是那幾個|GeostatisticalAnalystX|GeostatisticalAnalyst*Table口x縣點x旦占圖162010年無變換正態(tài)QQ圖3.2.2因為在數(shù)據(jù)沒有變換時，明顯可以看出樣本點不屬于正態(tài)分布，且離群點離直線太遠，分布極其不均勻，因此按照直方圖所得的結(jié)論，對2010年人口密度數(shù)據(jù)進行幕變換，幕指數(shù)設(shè)定為0.11，結(jié)果如圖17所示，可以看出，經(jīng)變換后的數(shù)據(jù),基本符合正態(tài)分布圖172010年幕變換正態(tài)QQ圖4趨勢分析：空間趨勢反映了空間現(xiàn)象在空間區(qū)域上變化的主題特征，利用趨

23、勢分析工具（GeostatisticalAnalystExploreDataTrendAnalysis）可以將樣本點數(shù)據(jù)轉(zhuǎn)化為以某一屬性值（人口密度數(shù)據(jù)）為高度的3維視圖，將樣本點數(shù)據(jù)投影到分別代表東西向和南北向的X軸和Y軸上，依據(jù)投影點的擬合線來確定不同方向的趨勢，本實驗將云南省各縣（X,Y,人口密度）為空間坐標，將所有縣的（X,Y，人口密度）所有樣本點投影到一個東西向（X軸）和南北向（Y軸）的正交平面上，通過投影點做出最佳擬合線，得到三維透視圖，并對此圖的到以下結(jié)論：4.1對于2000年、2010年的人口密度數(shù)據(jù)做出的趨勢分析，可以看出以下幾點：A）2000、2010年的趨勢分析中東西方向

24、和南北方向的最佳擬合曲線（綠線、藍線）并非一條直線，表明云南各縣人口密度在特定方向上存在一定空間趨勢B）2000、2010年中都在東西方向上（X軸方向），綠線呈現(xiàn)直線，但朝著X軸方向增高，說明云南各縣人口密度東高西低，朝著東部增長C）2000、2010年中都在南北方向上（Y軸方向），擬合曲線呈倒U型，說明人口密度的空間分布南北低，中部高。D）2000、2010年人口密度數(shù)據(jù)的擬合曲線都是有一定弧度的曲線，因此5.方差變異分析：半方差云圖是表征空間距離與其屬性值之間相關(guān)關(guān)系的直觀表達圖。橫坐標表示兩個行政單元幾何中心的距離，縱坐標表示對數(shù)人口密度的變異函數(shù)值，一般在空間上越接近的點對越具有相似性

25、，距離越遠的點對差別越大，點對的整體分布基本符合空間距離愈接近的點對相似性愈強，距離愈遠的點對相對性愈弱的特點。圖192000年半方差云圖圖202010年半方差云圖-從上面兩張圖我們可以看到，空間上愈接近（半變異圖X軸左側(cè)）的點對更具有相似（Y軸下側(cè)）的值；距離愈遠（X軸朝右側(cè)方向移動）的方差也更大（朝Y軸上方移動），說明云南省各個縣的人口密度存在較強的空間相關(guān)性。（三）函數(shù)最優(yōu)擬合與普通克里金預(yù)測圖：由以上探索性數(shù)據(jù)分析可知，全國第五次、第六次人口普查人口密度本身不符合正態(tài)分布，但經(jīng)過幕變換后的新變量基本符合正態(tài)分布，兩次人口普查的人口密度分布趨勢都符合二次函數(shù)趨勢，且基本符合在空間上愈接近

26、的點對相似性愈強的特點，所以基于普通克里金，分別采用圓模型、球狀模型、指數(shù)模型、高斯模型、k-bessel和J-bessel模型來進行最優(yōu)擬合分析?？死锝鸩逯捣ㄕJ為任何空間連續(xù)性變化的屬性是非常不規(guī)則的，不能用簡單的平滑數(shù)學(xué)函數(shù)進行模擬，但是可以用隨機表面給予恰當?shù)拿枋?。當確定空間搜索半徑，計算這一空間范圍所有樣本點的自相關(guān)和協(xié)方差，在此基礎(chǔ)上進一步進行插值預(yù)測和標準差分析，從而達到比較客觀地進行空間插值的效果打開地統(tǒng)計向?qū)В篏eostatisticalAnalystGeostatisticalWizard在數(shù)據(jù)集SourceDataset選項中選擇“縣點”，DataField選擇“5密度”，

27、對2000年人口密度進行模型選擇，Methods中選擇Kriging/CoKriging點擊Next圖21數(shù)據(jù)選擇3設(shè)置數(shù)據(jù)變換，與剔除趨勢選擇，如圖所示，變換類型選擇的是幕變換，然后幕指數(shù)是-0.11，趨勢剔除是Constant,之所以不為Second即二次函數(shù)剔除，是因為經(jīng)過多次實驗發(fā)現(xiàn)，二次函數(shù)剔除趨勢的誤差比一次函數(shù)剔除趨勢的誤差更大，推斷是由于在做的趨勢分析結(jié)果中東西方向上是一次函數(shù)，是上升直線，而南北方向雖是曲線但曲度很小所交叉影響造成既不適用于一次也不適用于二次，所以此處最終選擇趨勢剔除方法為Constant圖22數(shù)據(jù)設(shè)置4.在Semivariogram/CovarianceMo

28、deling中Model#1選項中選擇Type,分別選擇模型：并得到c0,c的值,如圓模型：塊金值為c0,基臺值為c+c0,c0/(c+c0)反映了隨機部分異質(zhì)性占空間總異質(zhì)性變異的比例大小，值越小，表明模型越優(yōu)；標準均方根預(yù)測誤差(RMSS)表示標準均方根預(yù)測值的誤差大小，其值越接近1,表明模型的預(yù)測效果越好。用上述六種模型來對人口密度進行擬合，采用C0/(C+C0)和RMSS來進行模型的最優(yōu)評定二GnwnlgrwrFWfkOflS4Sfltllr：dMU-C.WiMiSUrnrl*1Jw乂申HMM:Arty:GW圖23圓模型C0Cg+C）MeanStandardizedCircular（圓

29、模型）0.10065340.38545080.2070613666781731-0.121808075Spherical（球狀模型）0.098952580.3393790.2257482337914143-0.12466584686Gaussian（咼斯）0.14047810.40860370.2558418436014452-0.08985023143Exponential（扌旨數(shù)）0.087002620.27753250.2386673196261584-0.12890515569J-Bessel0.13592230.218310.3812655152972065-0.0986702075

30、4K-Bessel0.1381930.38108810.2661236852255936-0.09389398472表42000年人口密度變異函數(shù)模擬結(jié)果可以看到，RMSS指標中，高斯模型是最優(yōu)的，但是它的異質(zhì)性比例太大，不符合要求，綜合考慮這里選擇圓模型。同樣的方法，用來選擇2010年的最優(yōu)模型，結(jié)果如下所示：C0CC0/（C0+C）RMSSCircular（圓模型）1.724130.88505220.6607932554499261.965237791941Spherical（球狀模型）1.7160150.91572890.65204482852605831.969682339345Gau

31、ssian（咼斯）1.8505980.79770420.69878656597423061.927894322035Exponential（扌旨數(shù)）1.6144041.1515260.583674930312772.01263455503J-Bessel1.8534030.77528860.70506673357954961.92554297032K-Bessel1.8460340.82030640.69234745871157341.93167950340表52010年人口密度變異函數(shù)模擬結(jié)果指數(shù)模型相對來說是更好的，所以2010年最優(yōu)模型選定為指數(shù)模型，并且可以看出2000年數(shù)據(jù)與2010

32、年相比，C0/（C0+C）,2000年在0%25%以內(nèi)屬于空間自相關(guān)強烈的區(qū)域，在2010年數(shù)據(jù)中C0/（C0+C）的值在25%75%范圍以內(nèi)，屬于空間自相關(guān)中等的區(qū)域。5預(yù)測圖生成：在選擇了合適的模型后，點擊下一步，設(shè)置搜索鄰域，設(shè)置插值范圍的類型，選擇Standard，樣本點數(shù)據(jù)的外接矩形，是否從變異函數(shù)拷貝數(shù)據(jù)設(shè)置為True，其余為默認。點擊Next圖242000年設(shè)置搜索鄰域參數(shù)6.交叉驗證對話框檢驗精度：主要看MeanStandardized（標準平均值）是否接近于0,Root-Mean-Square（均方根）是否最小，AverageStandardError（平均標準誤差）最接近1

33、,如果符合標準，那么可以點擊Finish，此處因為數(shù)據(jù)原因，平均標準誤差偏差較大。圖252000年交叉驗證7.出現(xiàn)方法報告，檢查是否有誤，無誤，點擊OKRmrairirs*1dNLi2CL3o-tnDT.niPKnniiExporttoRaster，使得插值結(jié)果nput：dmB期已5l-lOntnsett:LocationTypeDataHeldRecords匚鞏U甬肌GElmtAD曰木作址理好FeatureClass5由度123TypeOutputtype曰*IrendtypqBTransformatlonParameter曰Truiidrorl1o-ociTypeNeIiqhborstoI

34、ncludeIn亡ludeatleastSectortypeAngleMajorsemlaxlsMinorsemiaxis曰VariogramNumberoFlaoisLaosizeNuggnMeasurementerror盟201徒年方法報告（右）RangeAnisotropyPartialsillK.rigiriyOrdinaryPrediction1ConstBox匚OKX0.11I-口匚hIPalynaminiInter口olaitjciriPredlctlon0StandardStandard52Fourand45degree0102&422.1&43斗些5E6712B422.19-

35、434056675emivarlograrn12&5701.&45S25130561.514403533007525100No巨*口oriesnlLizal125422,1943495O&7NO19137述值表面預(yù)測圖自動生成，然后選擇圖層,“2000pre”。OKCancel圖27輸出柵格設(shè)置呂呂圖282000年普通克里金生成的預(yù)測圖-47.aS13&443-57.10530214-31.1476&43&-91.144315CB-1D5l1361O73-12：.910115-i52.呂iSUSl-191.53134-24a19S455-322.930102S圖30裁

36、剪9對比趨勢分析結(jié)果，與趨勢分析結(jié)果一致：A）東西方向上，朝著東部遞增；B）南北方向上，南北低，中部高，中部人口多C）與預(yù)測結(jié)果一致。10.對2010年數(shù)據(jù)選擇了指數(shù)模型后重復(fù)步驟5-9，最后結(jié)果如圖所示:19.5755270247.3S1S544467.10530E15L.147554373L.1443151105.1361674124.9101151152.5154425191.531349246.1959457圖292010年普通克里格插值預(yù)測圖11.對預(yù)測圖裁剪（ArcToolbox-SpatialAnalystTools-Extraction-ExtractbyMask），得到云南省

37、2000年、2010年人口密度分布預(yù)測圖，得到2000pre_ext、2010pre_ext，結(jié)果如圖31所示：圖312000年云南預(yù)測圖（左）2010年云南預(yù)測圖（右）12.求密度變化：把2010年的人口密度分布預(yù)測圖減去2000年人口密度分布預(yù)測圖用柵格計算器（ArcToolbox-SpatialAnalystTools-MapAlgebra-RasterCaltulater）,結(jié)果如圖所示：20.2883185730.9475438430.9475438566.1822052圖32密度變化（三）反距離加權(quán)插值圖：反距離加權(quán)插值法原理是兩個物體距離的近，它們的性質(zhì)就越相似，反之，離得越遠則

38、相似性越小，與采樣點距離最近的若干個點對未采樣點值的貢獻最大，其貢獻與距離成反比，IDW方法是根據(jù)距離衰減規(guī)律，對樣本點的空間距離加權(quán)，當權(quán)重等于1時，是線性距離衰減插值，當權(quán)重大于1是非線性距離衰減插值，這里會對數(shù)據(jù)點分別進行2,5幕指數(shù)的插值，與真實數(shù)據(jù)對比，確定權(quán)重系數(shù)。1.IDW插值法（SpatialAnalyst-Interpolation-IDW），對2000年人口密度進行如下設(shè)置：z值因子為第五次人口普查密度（5密度），并在環(huán)境里設(shè)置柵格分析的掩膜為“縣級”，即選擇云南省邊界作為空間分析的掩膜，分別做幕指數(shù)為2,5的反距離加權(quán)插值法分析圖33IDW插值法設(shè)置2.插值結(jié)果：有下圖可

39、以看出：當power等于5相比于power=2時，較遠的點對輸入的影響更小，其局部影響程度更高，相比于幕指數(shù)等于5時，幕指數(shù)等于2時對較于的點的影響范圍過大，相對于實際的云南省縣級人口密度分布圖來說，我們可以直接把圖34與圖35比較，可以發(fā)現(xiàn)，幕指數(shù)為2時點對較遠距離的范圍影響過大，導(dǎo)致插值圖與真實值相比有了很大的出入，所以，這里認為，當運用反距離加權(quán)插值時，在此實例上幕指數(shù)等于5時更加能反映真實情況7.9I479O1545LU7I9210672.650486514.22405196115.N076I75137.3R6IR2M169.7540311223.7004447331.593272-5

40、1.071R210572.65O4S65SpatialAnalystTools-MapAlgebra-RasterCaltulater）,結(jié)果如圖所示：孌化值5.XXXXXXJO1-114UO密度變化2010-3B.22223004一011.00000001-30.00000001-7B.2720256300.1157227圖372010年至2000年人口密度變化4、數(shù)據(jù)分析1）、數(shù)據(jù)描述基于云南省2000年、2010年人口普查結(jié)果點狀數(shù)據(jù)，云南省縣級行政區(qū)劃圖做出了以下結(jié)果：1基于普通克里金插值的預(yù)測圖：在普通克里金插值預(yù)測圖的生成之前，做的工作有：a）數(shù)據(jù)探索：數(shù)據(jù)是否為正態(tài)分布，數(shù)據(jù)的趨

41、勢等；b）空間自相關(guān)性探討：在半變異協(xié)方差函數(shù)中，選擇不同的模型，分析其異質(zhì)性、標準平均值、標準均方根作為依據(jù)選擇模型；c）生成克里金插值預(yù)測圖；2生成反距離加權(quán)插值法人口密度圖，在做這個的過程中，主要工作是嘗試不同的幕指數(shù)，對不同的幕指數(shù)插值的結(jié)果與當前分析年份的人口密度圖進行對比，選擇優(yōu)勝的插值參數(shù)對生成的人口密度預(yù)測圖進行討論：a）首先是對2000年普通克里金插值預(yù)測圖、人口密度IDW插值圖以及用云南省每個縣的人口密度生成的云南省人口密度圖進行對比汁=呂=Idw_20005VALUE5443(1892-7：L.Sli4S632ii:1616632695.1850176IH54il71-l

42、：!K.S57a61-I6O.64HOHO7-2IS.19SH665；15.IS*Wi6&-291.5682067i5)l.5tfi20fiS-2.?S9.SB779117.005372-138.825726372395*57_Ji,.M4；I08l-29,7239S4W117.0053719160.MtWKOtiUttIff*iit-oimaIXLTill!SSb.Si-IAlIMI4HIM圖382000年預(yù)測圖（左）IDW（中）云南省人口密度圖（右）可以看出：1）從三幅圖都可以看出：云南省的人口密度呈東部大，西部小，南北部小，中部大,與之前做的趨勢分析，結(jié)果在總體上是一致的；把普通克里金插

43、值預(yù)測圖和人口密度的反距離加權(quán)插值圖相對比，可以發(fā)現(xiàn)，后者的結(jié)果更加接近于云南省人口密度圖，即更加接近于真實情況，推測其原因，本人認為主要是：普通克里金插值，注重的數(shù)據(jù)點之間的關(guān)系，樣本點的自相關(guān)性，根據(jù)樣本點的自相關(guān)和協(xié)方差來進行插值預(yù)測，這樣一來，通過之前模型的選擇中計算的空間自相關(guān)結(jié)果來看，結(jié)果中所有模型計算結(jié)果（C0/（C0+C）都在25%左右，甚至更高，而且標準評價方根等也跟理想結(jié)果相差較遠，云南省的人口分布在空間上因為各方面的影響在全云南省范圍內(nèi)空間上的相關(guān)性并不是很大，因此，普通克里金方法得出的結(jié)果跟真實結(jié)果相差較大，反距離加權(quán)插值法原理是兩個物體距離的近，它們的性質(zhì)就越相似，反

44、之，離得越遠則相似性越小，與采樣點距離最近的若干個點對未采樣點值的貢獻最大，其貢獻與距離成反比它是根據(jù)距離衰減規(guī)律，對樣本點的空間距離加權(quán)，從而對人口密度進行插值，這樣得出來的結(jié)果跟其它數(shù)據(jù)相關(guān)性不大，因此，得出的圖反而跟真實比較接近。b）對2000年普通克里金插值預(yù)測圖、人口密度IDW插值圖以及用云南省每個縣的人口密度生成的云南省人口密度圖進行對比，可以看出，其規(guī)律特征與2000年一致。20l0pre_eilIdw_2000529.7239545751.5443080273.：1H6632695.I&WI761117.095372-l：18.825?2tW16O.64H()8I)J215.I

45、舛僦629.72：t54fW51.5M3O89173.3946632595.IH50I76IIT.EVW71H138.8257263IfiO.t4608(lfi215.291.就I2Q67圖392010年預(yù)測圖（左）、IDW（中）、云南省人口密度圖（右）4、對人口密度變化數(shù)據(jù)進行對比：將普通克里金插值得出的兩年的預(yù)測圖用柵格計算器相減，得到人口密度變化圖，同樣的方法得到其它兩個變化值密度變化圖40人口密度變化，普通克里金（左）、IDW（中）、云南省密度變化圖（右）從圖中分析，可以看出以下幾點：a）黑色區(qū)域?qū)儆谌丝跍p少的區(qū)域，主要是在：臨滄市的鎮(zhèn)康、耿馬、滄源，普洱哈尼族彝族自治縣、大理永平縣、漾濞，昆明市的嵩明縣、東川、祿勸、尋甸回族彝族自治縣，可以發(fā)現(xiàn)這些縣要么是較為偏遠的地區(qū)，要么是靠近人口密度劇烈增長的地區(qū)，這些地區(qū)的人口減少可能大多數(shù)原因是人口遷移造成的；b）紅色、橙色區(qū)域?qū)儆谌丝谠鲩L迅速區(qū)域，主要集中在：大理市、呈貢縣、昆明市區(qū)、安寧市、玉溪市的通海、玉溪市