梁亞婷，溫家洪，杜士強(qiáng)，徐 慧，Jianping Yan

（1.上海師范大學(xué)地理系，上海200234；2.Bureau for Crisis Prevention and Recovery，UNDP，New York，USA）

人口的時(shí)空分布模擬及其在災(zāi)害與風(fēng)險(xiǎn)管理中的應(yīng)用*

梁亞婷1，溫家洪1，杜士強(qiáng)1，徐 慧1，Jianping Yan2

（1.上海師范大學(xué)地理系，上海200234；2.Bureau for Crisis Prevention and Recovery，UNDP，New York，USA）

人口居住空間分布不均，以及通勤和遷移等人口流動(dòng)導(dǎo)致人口呈時(shí)空動(dòng)態(tài)分布，這是人口承災(zāi)體的重要屬性。人口承災(zāi)體的時(shí)空分布模擬可通過人口密度網(wǎng)格化方法和基于個(gè)體時(shí)空標(biāo)記的模擬方法來實(shí)現(xiàn)。人口密度網(wǎng)格化方法主要有平均分配法、格點(diǎn)內(nèi)插法、人口分布影響因子分析法、人口分布規(guī)律法和遙感估算法等五類。其中，人口分布影響因子分析法和遙感估算法是目前研究的熱點(diǎn)，廣泛應(yīng)用于不同尺度人口密度網(wǎng)格化數(shù)據(jù)庫(kù)的構(gòu)建。大數(shù)據(jù)時(shí)代，基于個(gè)體時(shí)空標(biāo)記的方法為監(jiān)測(cè)與模擬人口承災(zāi)體時(shí)空動(dòng)態(tài)分布提供了新的技術(shù)與途徑，主要包括基于眾源地理數(shù)據(jù)和基于移動(dòng)基站數(shù)據(jù)的人口時(shí)空模擬方法。在此基礎(chǔ)上，進(jìn)一步分析了人口時(shí)空動(dòng)態(tài)分布數(shù)據(jù)在自然災(zāi)害風(fēng)險(xiǎn)分析、風(fēng)險(xiǎn)管理與應(yīng)急管理中的應(yīng)用。基于手機(jī)通話數(shù)據(jù)和眾源地理數(shù)據(jù)的模擬方法將與人口網(wǎng)格化方法互補(bǔ)，共同構(gòu)建高時(shí)空分辨率、動(dòng)態(tài)的人口空間化數(shù)據(jù)。另外，城市和脆弱性群體的時(shí)空分布將是人口承災(zāi)體研究的重要方向。

人口密度網(wǎng)格化；個(gè)體時(shí)空標(biāo)記；人口時(shí)空分布；人口承災(zāi)體；災(zāi)害與風(fēng)險(xiǎn)管理

承災(zāi)體（或稱暴露，Exposure）是危險(xiǎn)地區(qū)可能受到極端事件損害的人口、財(cái)物、系統(tǒng)或其他要素［1］，是災(zāi)害風(fēng)險(xiǎn)的三要素之一。人口是重要承災(zāi)體，人口的時(shí)間變化和空間差異是其重要屬性。例如，位于洪水高風(fēng)險(xiǎn)區(qū)的工廠，廠房是固定不動(dòng)的，直接暴露在洪水風(fēng)險(xiǎn)。但是，工廠的工人，上班時(shí)在工廠，下班回家，其暴露是動(dòng)態(tài)的。城市（或居民點(diǎn)）居民的居住空間與工作（學(xué)習(xí)）空間分離，造成暴露的動(dòng)態(tài)分布。進(jìn)行地震的損失評(píng)估，需要白天和晚上的人口分布，用于估算白天或晚上發(fā)生地震時(shí)，造成的人員傷亡及分布情況。災(zāi)害發(fā)生有時(shí)間性，比如臺(tái)風(fēng)、冰雪災(zāi)害、高溫?zé)崂说陌l(fā)生都有季節(jié)性，需要考慮人口分布的時(shí)間性問題。2008年初的中國(guó)南方冰雪災(zāi)害，災(zāi)區(qū)人口密度較大和正值春節(jié)前人流高峰，加劇了這場(chǎng)巨災(zāi)的形成［2］。各類自然災(zāi)害，如地震、海嘯、臺(tái)風(fēng)、暴雨、雷電等的影響強(qiáng)度、范圍、頻度差別很大，但都會(huì)對(duì)風(fēng)險(xiǎn)區(qū)域內(nèi)的人構(gòu)成生命威脅，開展風(fēng)險(xiǎn)識(shí)別、評(píng)估和災(zāi)害預(yù)警、應(yīng)急響應(yīng)需要掌握風(fēng)險(xiǎn)人群的實(shí)時(shí)或準(zhǔn)實(shí)時(shí)的空間動(dòng)態(tài)分布。

我國(guó)國(guó)家層面的人口普查一般是每10年進(jìn)行一次，時(shí)間分辨率低，更新周期長(zhǎng)。以行政區(qū)平均密度來表征的人口空間分布信息，不能反映精細(xì)尺度上人口分布的空間差異。另外，人口統(tǒng)計(jì)數(shù)據(jù)所依賴的行政單元與實(shí)際研究中的自然單元（如流域、洪水淹沒范圍）邊界不一致，導(dǎo)致地學(xué)研究中的“可變面元問題”［3-4］，不利于多源空間數(shù)據(jù)的融合［5］。人口通勤、流動(dòng)和遷移，致使人口承災(zāi)體的時(shí)空動(dòng)態(tài)分布變得更為復(fù)雜，阻礙了自然災(zāi)害風(fēng)險(xiǎn)的準(zhǔn)確評(píng)價(jià)，以及防災(zāi)減災(zāi)和應(yīng)急響應(yīng)工作的開展［6］。

目前，人口的時(shí)空動(dòng)態(tài)分布模擬方法主要有兩類，一類是基于人口空間分布模型或采用某種算法，利用人口統(tǒng)計(jì)數(shù)據(jù)、行政界線，以及對(duì)人口分布具有指示作用的建模要素等，對(duì)人口統(tǒng)計(jì)數(shù)據(jù)進(jìn)行離散化處理，發(fā)掘并展現(xiàn)其中隱含的空間信息，獲得人口分布格網(wǎng)表面，即人口數(shù)據(jù)格網(wǎng)化［7］。另一類是在大數(shù)據(jù)驅(qū)動(dòng)下，基于手機(jī)通話數(shù)據(jù)、公交卡刷卡記錄、社交網(wǎng)站簽到數(shù)據(jù)、出租車軌跡、銀行刷卡記錄等進(jìn)行的人類移動(dòng)時(shí)空動(dòng)態(tài)模擬。由于帶有定位功能的移動(dòng)計(jì)算設(shè)備等的廣泛應(yīng)用，產(chǎn)生了大量具有個(gè)體時(shí)空標(biāo)記的大數(shù)據(jù)（Big Data），為長(zhǎng)時(shí)間、高精度、高效地跟蹤個(gè)體的空間移動(dòng)提供了可能［8］。兩類方法可為自然災(zāi)害風(fēng)險(xiǎn)評(píng)估、減災(zāi)備災(zāi)和應(yīng)急響應(yīng)提供精細(xì)的人口時(shí)空動(dòng)態(tài)分布信息［9-11］。本文擬對(duì)國(guó)內(nèi)外使用的人口密度網(wǎng)格化方法，以及基于個(gè)體時(shí)空標(biāo)記模擬人口時(shí)空動(dòng)態(tài)分布的主要方法進(jìn)行梳理，分析人口時(shí)空動(dòng)態(tài)分布數(shù)據(jù)在自然災(zāi)害風(fēng)險(xiǎn)分析、風(fēng)險(xiǎn)管理與應(yīng)急管理中的應(yīng)用，并提出了未來研究方向。

1 人口密度網(wǎng)格化方法

人口密度網(wǎng)格化方法以精細(xì)網(wǎng)格為單位刻畫人口的時(shí)空動(dòng)態(tài)分布，比傳統(tǒng)的人口密度行政單元化更接近人口的實(shí)際分布。該方法易于整合多源數(shù)據(jù)，成本較低［12］，許多學(xué)者基于遙感數(shù)據(jù)和GIS方法探索了多種人口密度網(wǎng)格化方法［13-18］。符海月等將人口數(shù)據(jù)空間化模型與方法歸為面積權(quán)重法、土地利用類型影響法、重力模型法、多源數(shù)據(jù)融合法等5種［19］。Maantay等將人口密度網(wǎng)格化方法分為面積權(quán)重插值法、濾波面積權(quán)重法、土地利用／土地覆蓋影響法、影像紋理法、統(tǒng)計(jì)（回歸）模型法、探索采樣法、核密度估值法、基于地籍的專家分區(qū)密度制圖法（Cadastral-based Expert Dasymetric System，CEDS）等［20］。林麗潔等則總結(jié)出了10種模型方法［21］。柏中強(qiáng)等將其歸納為城市地理學(xué)中的人口密度模型、空間插值方法、基于遙感和GIS的統(tǒng)計(jì)建模方法等3類［7］。本文從人口數(shù)據(jù)網(wǎng)格化基本原理的角度出發(fā)，將其劃分為平均分配法、格點(diǎn)內(nèi)插法、人口分布影響因子分析法、人口分布規(guī)律法和遙感估算法等5類。

1.1 平均分配法

平均分配法，又稱加權(quán)平均分配法［10］，是已知行政單元人口統(tǒng)計(jì)數(shù)據(jù)或普查數(shù)據(jù)的情況下，根據(jù)平均分配或加權(quán)平均分配的原則，將人口分配到規(guī)則的格網(wǎng)上的算法。該方法工作量小，操作相對(duì)簡(jiǎn)單，易于實(shí)現(xiàn)，可以用來粗略地估計(jì)人口的密度分布。然而，平均分配法的假設(shè)條件是人口在研究區(qū)域內(nèi)是均勻分布的，模擬結(jié)果常常與實(shí)際的人口分布存在較大誤差。

1.2 格點(diǎn)內(nèi)插法

該方法將研究區(qū)劃分為一定分辨率的格網(wǎng)，使用各種內(nèi)插方法來計(jì)算各格網(wǎng)內(nèi)的人口密度。在基礎(chǔ)數(shù)據(jù)不足的情況下，利用內(nèi)插法可以得到較高精度的人口密度分布。反比距離內(nèi)插、局部?jī)?nèi)插、邊界內(nèi)插和克里金內(nèi)插等是比較常見的格點(diǎn)內(nèi)插方法［11］，其中，最為常用的方法是面積權(quán)重內(nèi)插法。

面積權(quán)重內(nèi)插法的前提是假定區(qū)域的人口均勻分布，以格網(wǎng)所占區(qū)域面積的比例作為權(quán)重，對(duì)區(qū)域人口進(jìn)行內(nèi)插得到人口的網(wǎng)格化數(shù)據(jù)。其算法思路為，假定目標(biāo)區(qū)域共涉及三個(gè)源區(qū)域是S1、S2、S3，同時(shí)源區(qū)域被目標(biāo)區(qū)域分為三部分（圖1），假設(shè)源區(qū)域S1、S2、S3的面積分別為A1、A2、A3，人口密度分別為D1、D2、D3，則目標(biāo)區(qū)域的人口密度Dt為［22］：

計(jì)算出人口密度后，將人口密度分配到網(wǎng)格單元，便完成了人口密度分布的網(wǎng)格化。閆慶武［23］以豐縣為研究區(qū)域，分析了人口密度的網(wǎng)格化，并進(jìn)行了驗(yàn)證。呂安民［24］在面積權(quán)重內(nèi)插法的基礎(chǔ)上做了改進(jìn)，在研究區(qū)內(nèi)除去非人口居住區(qū)的面積，然后用面積權(quán)重法進(jìn)行面積內(nèi)插，得到了更接近實(shí)際的人口分布。

1.3 人口分布影響因子分析法

該方法分析影響人口分布的一系列因子，如土地利用、地形、氣候、道路、建筑物等［25］，并對(duì)這些因子賦予不同的權(quán)重，得到各網(wǎng)格人口配分系數(shù)，修正各網(wǎng)格人口密度的分配。利用該方法得到的人口密度數(shù)據(jù)精度較高，也更符合人口的實(shí)際分布，因此，已成為人口密度估算的主要方法之一。但該方法的缺點(diǎn)是基礎(chǔ)數(shù)據(jù)多，工作量大，耗時(shí)費(fèi)力。人口分布影響因子分析可細(xì)分成基于土地利用的人口密度網(wǎng)格化方法、基于建筑物的人口密度網(wǎng)格化方法、居住單元估算法等3類。

1.3.1 基于土地利用的人口密度網(wǎng)格化方法

該方法借助遙感圖像，結(jié)合地形圖，解譯出各種不同的用地類型，一般分為城鎮(zhèn)居民點(diǎn)、農(nóng)村居民點(diǎn)、道路、工礦用地、商業(yè)用地和無(wú)人居住區(qū)六大類［26］，根據(jù)研究區(qū)域的不同，對(duì)這六類土地類型賦予不同權(quán)重，然后將區(qū)域人口平均分配到非無(wú)人居住區(qū)的網(wǎng)格，再乘以每個(gè)網(wǎng)格所對(duì)應(yīng)的土地類型權(quán)重，便得到每個(gè)網(wǎng)格的人口密度。在GIS系統(tǒng)的操作中，將無(wú)人居住區(qū)覆蓋的網(wǎng)格權(quán)重屬性賦為0，其他網(wǎng)格賦予相對(duì)應(yīng)的權(quán)重屬性值，將區(qū)域總?cè)丝谄骄峙涞椒?字段的網(wǎng)格，再乘以權(quán)重，便得到每個(gè)網(wǎng)格的人口密度。如圖2所示，權(quán)重為0的網(wǎng)格所屬的區(qū)域?yàn)闊o(wú)人居住區(qū)，權(quán)重為0.4的網(wǎng)格所屬的區(qū)域可能為居民區(qū)。

圖2 區(qū)域格網(wǎng)權(quán)重分布示意圖

該方法存在兩個(gè)問題，其一是無(wú)人居住區(qū)是否一定無(wú)人活動(dòng)，在無(wú)人居住區(qū)活動(dòng)的人口是否計(jì)算在內(nèi)。比如在傳統(tǒng)意義上農(nóng)場(chǎng)屬于無(wú)人居住區(qū)，給其人口分配為0，假設(shè)白天農(nóng)民在農(nóng)場(chǎng)務(wù)農(nóng)時(shí)，發(fā)生了自然災(zāi)害，若按此方法農(nóng)場(chǎng)不會(huì)有人員傷亡，但這明顯與事實(shí)相違背。另一個(gè)問題是，研究區(qū)的人口是平均分配到非居住區(qū)的網(wǎng)格上，這與人口的實(shí)際分布并不符合?；谶@個(gè)問題，Bielecka［27］在對(duì)波蘭的人口密度網(wǎng)格化時(shí)做了改進(jìn)。他利用各土地利用類型占研究區(qū)域的面積比例分配人口，得到每個(gè)土地利用類型的人口密度，再根據(jù)土地利用類型占網(wǎng)格的比例將人口分配到每個(gè)網(wǎng)格，并乘以權(quán)重系數(shù)，得到人口密度的網(wǎng)格化。改進(jìn)后的方法更加符合人口的實(shí)際分布情況。公式如下：

式中：Pi為用地類型的人口密度；Ai為某用地類型的面積；A為研究區(qū)域的總面積；P為研究區(qū)域的總?cè)丝?；Wi為用地類型的權(quán)重。

1.3.2 基于建筑物的人口密度網(wǎng)格化方法

該方法與基于土地利用類型的方法相似。在研究區(qū)域內(nèi)選取一定數(shù)量的具有不同代表性的樣本，通過研究樣本建筑物與人口之間的關(guān)系，建立基于建筑物-人口的相關(guān)系數(shù)K，以K值估算其他建筑物的人口密度。最后將人口分配到一定分辨率的網(wǎng)格。該方法的優(yōu)點(diǎn)是易于操作，工作量小，但在建立相關(guān)系數(shù)K時(shí)，受人為主觀因素的影響較大，可能會(huì)導(dǎo)致結(jié)果偏離了人口的實(shí)際分布［28］。因此，建議結(jié)合遙感影像對(duì)建筑物進(jìn)行更精細(xì)的分類，不同的建筑物用途不同，其人口密度的差異也很大。

1.3.3 居住單元估算法

利用大比例尺遙感圖像，分析建筑物的布局及結(jié)構(gòu)特征，區(qū)分并統(tǒng)計(jì)不同類型的住宅與其他建筑物，結(jié)合實(shí)地抽樣調(diào)查的平均每戶人口數(shù)估算人口的分布，并分配到每個(gè)格網(wǎng)，得到人口密度的網(wǎng)格化。在選用該方法時(shí)，需要大比例尺的遙感圖像作為輔助數(shù)據(jù)，并且其住宅計(jì)數(shù)精度達(dá)99%以上，才能得到較高精度的人口分布數(shù)據(jù)［29］。由于農(nóng)村的住宅比較疏散，住宅數(shù)比較容易統(tǒng)計(jì)，所以此方法最適合于農(nóng)村。其公式為：

式中：P為總?cè)丝跀?shù)，A為每戶平均人口數(shù)，B為戶數(shù)，1，2，…，n為不同的住宅類型。

但該方法存在一定的局限性，比如在熱帶地區(qū)，住宅常被擋在樹蔭下，給住宅計(jì)數(shù)帶來了困難。在濕潤(rùn)的中緯度地區(qū)，如果航空影像的拍攝時(shí)間不是落葉時(shí)期，要正確地進(jìn)行住宅計(jì)數(shù)也是比較困難的。另外，有些住宅為多戶混居，情況也較為復(fù)雜。在這些情況下，除了熟悉研究區(qū)域外，更需要有嫻熟的影像判讀能力，才能達(dá)到較高的精度，導(dǎo)致人為主觀因素影響較大，是產(chǎn)生誤差的重要原因之一。Green［30］首次提出從航片上提取居住單元數(shù)量進(jìn)行人口估計(jì)的方法。Porter［31］第一個(gè)實(shí)際應(yīng)用這種方法，通過地面調(diào)查獲得了不同類型居住單元的人口密度對(duì)利比里亞進(jìn)行了人口估算。Hsu［32］應(yīng)用同樣的方法，基于街區(qū)不同類型居住單元的人口密度數(shù)據(jù)，估算了亞特蘭大兩次人口普查之間的人口分布數(shù)據(jù)。

1.4 人口分布規(guī)律法

根據(jù)經(jīng)典的人口密度-距離衰減規(guī)律，模擬各網(wǎng)格的人口密度。該方法可追溯到1950年代初期Clark的工作［33］。Clark通過對(duì)20多個(gè)城市的統(tǒng)計(jì)分析，以令人信服的證據(jù)提出，隨著從城市中心向外圍距離的增加，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，這就是經(jīng)典的城市人口密度空間分布的Clark模型。用數(shù)學(xué)關(guān)系式表達(dá)，即

式中：r為到城市中心的距離，D（r）為距城市中心r處的人口密度，D0為比例系數(shù)，它在理論上等于城市中心處的人口密度，參數(shù)b為距離衰減效應(yīng)的速率。Clark模型提出之后，產(chǎn)生了一定的影響，但也發(fā)現(xiàn)了一些問題。1960年代初期，人們先后提出了兩種新的城市人口密度模型：一是Sherratt［34］提出的正態(tài)密度模型；二是Smeed［35］提出的負(fù)冪指數(shù)模型。Sherratt模型通常表示為：

而Smeed模型可以表為：

式中：K為比例系數(shù)，α為關(guān)于距離的參數(shù)。Smeed模型對(duì)城市中心處的人口密度沒有定義。絕大多數(shù)的人口密度分布并不服從Smeed模型。后來經(jīng)研究，Clark模型適用于刻畫城區(qū)范圍內(nèi)的人口密度分布，而Smeed模型則適用于描述城市邊緣和腹地的人口密度分布規(guī)律。

近年來，我國(guó)也有一些學(xué)者進(jìn)行了這方面的研究。陳勇［36］、陳彥光［37］提出了城市人口密度衰減的分形模型。王益謙［38］提出了城市人口分布的多重分形特征。其中，馮?。?9］在杭州市人口密度空間分布及其演化的模型研究中，比較了多個(gè)改進(jìn)模型的計(jì)算結(jié)果，驗(yàn)證了其精度較高，結(jié)果比較符合杭州市人口的實(shí)際分布。浦湛［40］采用Arc-GIS的空間統(tǒng)計(jì)分析工具，對(duì)北京中心城區(qū)人口空間分布結(jié)構(gòu)的單中心和多中心人口密度分布形態(tài)等進(jìn)行了描述。

1.5 遙感估算法

遙感估算法是一種通過遙感影像、夜間燈光數(shù)據(jù)等來估算人口密度的方法。隨著遙感技術(shù)、理論和方法的日趨成熟，已廣泛滲透于上述各方法之中，成為未來研究的重要手段之一［41］。夜間燈光數(shù)據(jù)估算法是根據(jù)所采集的夜間燈光數(shù)據(jù)，對(duì)人口密度進(jìn)行估算的方法［42］。近年來，隨著遙感數(shù)據(jù)源的日益豐富和計(jì)算方法的不斷改進(jìn)，大尺度上的人口遙感估算研究得到迅速發(fā)展，尤其是用美國(guó)軍事氣象衛(wèi)星搭載的運(yùn)行線掃描系統(tǒng)傳感器（DMSP／OLS）系列產(chǎn)品模擬人口密度的相關(guān)研究，自1970年代以來一直方興未艾［43］，成為重要的研究手段之一。尤其在美國(guó)，基于易獲取的DMSP／OLS夜間燈光數(shù)據(jù)和詳盡的人口普查資料估算人口密度的研究方面開展得更為全面深入［44］。其不僅估算了光斑內(nèi)的總?cè)丝跀?shù)，同時(shí)基于光斑特征及人口-距離衰減律模擬了光斑內(nèi)部的人口密度分布。但是該方法對(duì)光斑外部的人口密度分布未做探討，而且由于所用數(shù)據(jù)大多是燈光頻率數(shù)據(jù)，因而未對(duì)燈光強(qiáng)度和人口密度的關(guān)系做定量分析。楊眉［45］等選用了專門針對(duì)亞洲地區(qū)開發(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)，對(duì)中國(guó)地區(qū)的燈光區(qū)內(nèi)和燈光區(qū)外分別建模，估算人口密度。燈光區(qū)內(nèi)的人口密度估算是以燈光強(qiáng)度作為估算因子，燈光區(qū)外人口密度估算主要是基于人口距離-衰減規(guī)律和電場(chǎng)疊加理論。研究結(jié)果表明，利用該方法所得到的人口密度比較符合人口的實(shí)際分布，精度較高。

2 基于位置信息的人口時(shí)空動(dòng)態(tài)模擬

信息與通訊技術(shù)的廣泛使用產(chǎn)生了海量時(shí)空數(shù)據(jù)，基于此的人口移動(dòng)性研究也逐漸成為熱點(diǎn)［8］。手機(jī)、GPS接收器等位置感知設(shè)備（Location Aware Device，LAD）的廣泛應(yīng)用，使得獲取長(zhǎng)時(shí)間序列、海量高精度個(gè)體移動(dòng)軌跡成為可能，為人口承災(zāi)體的時(shí)空動(dòng)態(tài)分布監(jiān)測(cè)與制圖，災(zāi)害風(fēng)險(xiǎn)與應(yīng)急管理提供了新的技術(shù)與途徑。帶有定位功能的移動(dòng)計(jì)算設(shè)備產(chǎn)生的人體移動(dòng)時(shí)空標(biāo)記數(shù)據(jù)主要包括兩類：一類是由大量非專業(yè)人員志愿獲取并通過互聯(lián)網(wǎng)向大眾提供的一種開放地理空間數(shù)據(jù)，如社交網(wǎng)站簽到數(shù)據(jù)等眾源地理數(shù)據(jù)；另一類是由相關(guān)機(jī)構(gòu)掌握但并不面向大眾的個(gè)體時(shí)空標(biāo)記數(shù)據(jù)，如手機(jī)定位數(shù)據(jù)、公交卡刷卡記錄、出租車軌跡、銀行卡刷卡記錄等。

2.1 基于眾源地理數(shù)據(jù)的人口時(shí)空動(dòng)態(tài)分析

眾源地理數(shù)據(jù)是由大量非專業(yè)人員志愿獲取，并通過互聯(lián)網(wǎng)向大眾或相關(guān)機(jī)構(gòu)提供的一種開放地理空間數(shù)據(jù)。新一代互聯(lián)網(wǎng)和無(wú)線網(wǎng)技術(shù)的發(fā)展，使用戶不僅被視為信息的消費(fèi)者，也被視為信息的生產(chǎn)者。云計(jì)算技術(shù)的提出，使Web Service可方便地實(shí)現(xiàn)與包括智能手機(jī)在內(nèi)的傳感器網(wǎng)相連，用戶利用智能手機(jī)、iPad、GPS接收機(jī)等設(shè)備可采集某一時(shí)刻的位置信息，然后借助Web 2.0的標(biāo)注和上傳功能，使大眾用戶成為志愿的信息生產(chǎn)者和提供者［46-48］。代表性的眾源地理數(shù)據(jù)有GPS路線數(shù)據(jù)（如Open Street Map，OSM），用戶協(xié)作標(biāo)注編輯的地圖數(shù)據(jù)（如Wikimapia），Twitter、 Facebook和街旁（www.jiepang.com）等各類社交網(wǎng)站用戶簽到的興趣點(diǎn)等［49］。與傳統(tǒng)地理信息采集和更新方式相比，來自非專業(yè)大眾的自發(fā)地理數(shù)據(jù)具有現(xiàn)勢(shì)性高、傳播快、信息豐富、成本低、數(shù)據(jù)量大等優(yōu)點(diǎn)，也具有質(zhì)量各異、冗余而不完整、覆蓋不均勻、缺少統(tǒng)一規(guī)范、隱私和安全難以控制等問題［50-51］。

Web 2.0時(shí)代，空間定位技術(shù)不斷成熟，使得基于位置的社交網(wǎng)絡(luò)（Location-based Social Network）快速發(fā)展。位置簽到數(shù)據(jù)是利用帶有GPS的智能終端記錄某一時(shí)刻所處位置而產(chǎn)生的具有空間性、時(shí)間性和社會(huì)化屬性信息的數(shù)據(jù)，它記錄生活軌跡，反映了人的日常生活行為，是一種重要的眾源地理數(shù)據(jù)?；诒娫次恢煤灥綌?shù)據(jù)，通過數(shù)據(jù)預(yù)處理、探索性空間分析和空間聚類分析，可得到位置簽到數(shù)據(jù)高值聚類熱點(diǎn)，從而映射人口的時(shí)空動(dòng)態(tài)分布特征。

位置簽到數(shù)據(jù)為具有空間坐標(biāo)和用戶屬性的離散GIS點(diǎn)對(duì)象，可以對(duì)離散簽到數(shù)據(jù)進(jìn)行格網(wǎng)化處理。將大數(shù)據(jù)量、離散簽到位置點(diǎn)轉(zhuǎn)化成具有空間連續(xù)性與鄰接性，生成能夠更好地反映簽到事件集聚密度的格網(wǎng)數(shù)據(jù)。構(gòu)建固定像元大小的格網(wǎng)并對(duì)其進(jìn)行空間連接，將存在空間包含關(guān)系的點(diǎn)狀簽到數(shù)據(jù)關(guān)鍵屬性映射到對(duì)應(yīng)的格網(wǎng)相應(yīng)屬性中去［52-53］，公式如下：

式中：G（W）表示格網(wǎng)G的簽到次數(shù)；G（T）表示格網(wǎng)G的區(qū)域類型；n表示格網(wǎng)G中簽到點(diǎn)的個(gè)數(shù)；NPi表示格網(wǎng)G中第i個(gè)簽到點(diǎn)的簽到總次數(shù)；σPi表示該簽到點(diǎn)的權(quán)重等級(jí)；∑σP，Ti，格網(wǎng)G中屬于第Ti類的所有簽到點(diǎn)的權(quán)重之和。根據(jù)式（7）、（8）進(jìn)行位置簽到數(shù)據(jù)格網(wǎng)化處理，將離散簽到數(shù)據(jù)轉(zhuǎn)換為簽到頻次格網(wǎng)化數(shù)據(jù)集，既簡(jiǎn)化了離散點(diǎn)狀數(shù)據(jù)，又保持了簽到數(shù)據(jù)時(shí)空特性和專題屬性特征。

在離散簽到數(shù)據(jù)柵格化處理的基礎(chǔ)上，運(yùn)用探索性空間數(shù)據(jù)分析度量簽到數(shù)據(jù)的空間相關(guān)性，量算其空間結(jié)構(gòu)和全局分布模式，以確定熱點(diǎn)探測(cè)和聚類的最佳模式。并采用聚類分析識(shí)別出具有統(tǒng)計(jì)顯著性的熱點(diǎn)、冷點(diǎn)和空間異常值位置。最后，通過度量聚類分析結(jié)果的地理空間分布，得到具有統(tǒng)計(jì)顯著性的人口的空間聚類特征，是人口流動(dòng)與聚集熱點(diǎn)探測(cè)的有效方法。

簽到數(shù)據(jù)目前主要還是用于揭示城市的熱點(diǎn)和旅游景點(diǎn)等擁擠狀況，并起到監(jiān)測(cè)和預(yù)警的作用。但用戶簽到的人群主要是青年人，還難以精確評(píng)估熱點(diǎn)地區(qū)人群密度，以及人群的年齡結(jié)構(gòu)等。但已有許多案例表明，綜合各類眾源地理數(shù)據(jù)，可以用于應(yīng)急制圖、早期預(yù)警、地圖更新等諸多地理空信息服務(wù)領(lǐng)域。

2.2 基于移動(dòng)基站數(shù)據(jù)的人口時(shí)空動(dòng)態(tài)分析

2013年我國(guó)移動(dòng)電話普及率突破每百人90部，移動(dòng)電話用戶的分布及其動(dòng)態(tài)變化在統(tǒng)計(jì)意義上已經(jīng)非常接近實(shí)際的人群分布和動(dòng)態(tài)變化，和其他帶有定位功能的設(shè)備相比，利用移動(dòng)電話定位數(shù)據(jù)分析人口時(shí)空動(dòng)態(tài)分布最具價(jià)值與代表性。因此，筆者重點(diǎn)討論基于移動(dòng)基站數(shù)據(jù)的人口時(shí)空動(dòng)態(tài)分布模擬。

1996年，美國(guó)聯(lián)邦通信委員會(huì)要求電信運(yùn)營(yíng)商為手機(jī)用戶提供緊急救援（E911）服務(wù)，最終促成了位置移動(dòng)服務(wù)（Location-based Services，LBS）的出現(xiàn)。此后，德國(guó)、法國(guó)、瑞典、芬蘭等國(guó)家紛紛推出各具特色的商用位置服務(wù)。LBS的核心目標(biāo)就是使用戶可以在任何時(shí)間任何地點(diǎn)獲得基于定位信息的地理信息服務(wù)。

LBS定位的主流技術(shù)包括蜂窩基站定位（Cell Identification）、觀察角度（Angle of Arrival）、觀察時(shí)差（Time of Arrival）和輔助全球衛(wèi)星定位系統(tǒng)（Assisted Global Positioning System，A-GPS）［54］。其中，基站定位是目前手機(jī)定位最常見的方式，基于基站定位的手機(jī)數(shù)據(jù)位置點(diǎn)并不是手機(jī)用戶當(dāng)時(shí)的精確位置，而是以手機(jī)所在的基站位置為準(zhǔn)。在郊區(qū)，基站的范圍可達(dá)幾千米；在人口稠密的城區(qū)，多為500 m左右［55］。

獲取移動(dòng)基站移動(dòng)用戶數(shù)最直接、最準(zhǔn)確的方式是信令捕捉，可以精確到每個(gè)用戶，但這種方式需要信令采集儀處理大量數(shù)據(jù)，交換機(jī)和相關(guān)信令鏈路的負(fù)荷過高，并需要巨量的成本投入，實(shí)際上是不可行的，可以用此方法做抽樣統(tǒng)計(jì)，建立數(shù)據(jù)模型或檢驗(yàn)相關(guān)模型。獲取移動(dòng)用戶數(shù)的間接方法是使用話務(wù)量的實(shí)時(shí)數(shù)據(jù)。通過對(duì)交互信息和話務(wù)量信息的實(shí)時(shí)采集，結(jié)合用戶資料的基礎(chǔ)數(shù)據(jù)，以及通過信令撲捉抽樣統(tǒng)計(jì)建立的網(wǎng)絡(luò)用戶行為數(shù)據(jù)模型，動(dòng)態(tài)計(jì)算出每個(gè)小區(qū)覆蓋區(qū)域的單位話務(wù)量對(duì)應(yīng)的移動(dòng)用戶數(shù)，并通過終端IMEI（國(guó)際移動(dòng)設(shè)備識(shí)別碼）有效識(shí)別多號(hào)一卡、多卡一機(jī)等信息，再通過扣除無(wú)線DDN（數(shù)字?jǐn)?shù)據(jù)網(wǎng)）中的GPRS（通用分組無(wú)線服務(wù)技術(shù)）用戶等技術(shù)處理手段，就可以相當(dāng)精確地獲取移動(dòng)用戶數(shù)，再換算成每個(gè)網(wǎng)格的用戶數(shù)。

基于基站定位的手機(jī)數(shù)據(jù)位置精度比較低，難于準(zhǔn)確對(duì)個(gè)體移動(dòng)的準(zhǔn)確定位。移動(dòng)手機(jī)的定位精度可通過輔助全球衛(wèi)星定位系統(tǒng)（A-GPS）來提高，該技術(shù)既利用全球衛(wèi)星定位系統(tǒng)GPS，又利用移動(dòng)蜂窩基站。因此，A-GPS有比GPS接收器強(qiáng)大的信號(hào)接收環(huán)境和能力，其定位精度在開闊空間達(dá)到3m，在雨霧天氣也可達(dá)到20m［56］。A-GPS是手機(jī)定位精度提高的重要突破口，兼顧蜂窩基站信息覆蓋面廣和全球衛(wèi)星定位系統(tǒng)定位精準(zhǔn)的雙重特點(diǎn)，是一種可操作的、高精度的定位方法。

3 人口承災(zāi)體時(shí)空動(dòng)態(tài)分布的應(yīng)用

3.1 人口密度網(wǎng)格化數(shù)據(jù)（庫(kù)）及其在災(zāi)害與風(fēng)險(xiǎn)管理的應(yīng)用

目前，眾多學(xué)者在不同尺度上展開了人口密度網(wǎng)格化的研究，并已構(gòu)建了全球尺度、國(guó)家與區(qū)域尺度，以及城市精細(xì)尺度數(shù)據(jù)庫(kù)。其中，來自美國(guó)哥倫比亞大學(xué)國(guó)際學(xué)院國(guó)際地球科學(xué)信息網(wǎng)的世界人口柵格數(shù)據(jù)庫(kù)（GPW）和美國(guó)能源部橡樹嶺國(guó)家實(shí)驗(yàn)室（ORNL）開發(fā)的LandScan全球人口數(shù)據(jù)庫(kù)，是當(dāng)今國(guó)際上最常用的柵格人口數(shù)據(jù)［45］。GPW數(shù)據(jù)庫(kù)目前已經(jīng)包括1990年、1995年、2000年、2005年、2010年和2015年世界人口密度的估算和預(yù)測(cè)數(shù)據(jù)［57］，空間分辨率可達(dá)2.5 arcmin，相當(dāng)于在赤道的24.1 km2的正方形。在GPW數(shù)據(jù)庫(kù)的基礎(chǔ)上，國(guó)際地球科學(xué)信息網(wǎng)中心還發(fā)布了分辨率為30 arcsec的全球農(nóng)村和城鎮(zhèn)測(cè)繪項(xiàng)目（GRUMP），根據(jù)人口普查數(shù)據(jù)和夜間燈光數(shù)據(jù)估算農(nóng)村和城鎮(zhèn)人口數(shù)［58］。LandScan是目前可獲得具有較高分辨率的全球人口動(dòng)態(tài)統(tǒng)計(jì)分析數(shù)據(jù)庫(kù)［59］。該數(shù)據(jù)庫(kù)基于道路、坡度、土地覆被和夜間燈光數(shù)據(jù)等多層級(jí)數(shù)據(jù)，運(yùn)用分區(qū)密度制圖，估算每個(gè)空間格網(wǎng)單元人口估算數(shù)據(jù)，空間分辨率為30 arcsec［60］。LandScan數(shù)據(jù)庫(kù)被廣泛地應(yīng)用于各個(gè)領(lǐng)域，尤其是用于發(fā)生自然災(zāi)害、生物化學(xué)事故、恐怖襲擊和其他事故的風(fēng)險(xiǎn)評(píng)估、備災(zāi)與應(yīng)急響應(yīng)，在事故發(fā)生后對(duì)受影響人口及其損失進(jìn)行分析。

與全球尺度人口密度數(shù)據(jù)庫(kù)不同，國(guó)家和區(qū)域尺度數(shù)據(jù)庫(kù)更多地結(jié)合區(qū)域的人口分布特點(diǎn)和環(huán)境分析需求，更為靈活地構(gòu)建數(shù)據(jù)庫(kù)。其中，亞洲人口數(shù)據(jù)計(jì)劃（AsiaPop）始于2011年7月，是一個(gè)空間分辨率為100 m的人口密度分布數(shù)據(jù)庫(kù)。它基于開發(fā)的人口統(tǒng)計(jì)和預(yù)測(cè)數(shù)據(jù)庫(kù)，以及高分辨率遙感影像的土地覆被數(shù)據(jù)，建立人口分布模型模擬了亞洲2010年和2015年的人口分布［61］?；陬愃品椒?gòu)建的非洲人口數(shù)據(jù)計(jì)劃（AfriPop）同樣具有100 m的空間分辨率，其目的在于為整個(gè)非洲提供一個(gè)詳細(xì)的、可免費(fèi)獲得的人口分布數(shù)據(jù)庫(kù)［62］。由于非洲大部分地區(qū)快速城市化和人口急劇增長(zhǎng)的現(xiàn)實(shí)特點(diǎn)，AfriPop數(shù)據(jù)庫(kù)考慮了不同地區(qū)城市化和人口增長(zhǎng)率對(duì)人口分布的影響，據(jù)此來調(diào)整人口的分布格局，提高人口數(shù)據(jù)的精度。另外，Azar利用多分辨率的衛(wèi)星影像和地理空間數(shù)據(jù)生成了巴基斯坦的大尺度人口數(shù)據(jù)集［63］。Gallego生成了空間分辨率為1 km的歐盟人口網(wǎng)格數(shù)據(jù)，并用于歐盟的森林火災(zāi)信息系統(tǒng)［64］。劉紀(jì)遠(yuǎn)等應(yīng)用基于格點(diǎn)生成法的人口密度空間分布模擬模型，通過運(yùn)行凈第一性生產(chǎn)力空間分布、數(shù)字高程、城市規(guī)模以及其空間分布和交通基礎(chǔ)設(shè)施空間分布等數(shù)據(jù)集，模擬了中國(guó)人口密度的空間分布規(guī)律［13］。卓莉根據(jù)夜間燈光數(shù)據(jù)模擬了中國(guó)1 km分辨率的人口密度［43］。Yang［65］建立了基于不同地區(qū)自然和社會(huì)經(jīng)濟(jì)變量差異的、分辨率為1 km的人口密度網(wǎng)格化數(shù)據(jù)。Su建立了臺(tái)灣省臺(tái)北地區(qū)人口分布數(shù)據(jù)庫(kù)［66］。

這些人口密度網(wǎng)格化數(shù)據(jù)庫(kù)已被廣泛應(yīng)用于環(huán)境、社會(huì)經(jīng)濟(jì)、公共衛(wèi)生、風(fēng)險(xiǎn)評(píng)估和災(zāi)害管理等各個(gè)領(lǐng)域。Hall等基于GPW第三版的人口密度網(wǎng)格化數(shù)據(jù)，將全球人口分為非貧困但脆弱性高、貧困但脆弱性低和貧困且脆弱性高三類，結(jié)果表明貧困且脆弱性高的人群基本分布在人口密度集中且自然災(zāi)害頻發(fā)的地區(qū)，如中亞和非洲一些地區(qū)［67］。McGranahan等基于GPW人口密度網(wǎng)格化數(shù)據(jù)評(píng)估了全球居住于沿海低地的人口災(zāi)害與海平面上升風(fēng)險(xiǎn)［11］。扈海波等選取交通路網(wǎng)和格網(wǎng)化人口密度為承災(zāi)體分析了北京霧災(zāi)風(fēng)險(xiǎn)，結(jié)果表明高速公路、人口稠密的城市中心地區(qū)為霧災(zāi)高風(fēng)險(xiǎn)區(qū)［68］。Mouri等基于人口密度網(wǎng)格化數(shù)據(jù)對(duì)日本洪澇災(zāi)害風(fēng)險(xiǎn)進(jìn)行評(píng)估，結(jié)果表明人口密度信息對(duì)評(píng)估洪澇災(zāi)害損失具有重要意義［69］。

人口密度網(wǎng)格化數(shù)據(jù)也應(yīng)用于災(zāi)后的快速評(píng)估研究中。地震災(zāi)害快速評(píng)估可在地震發(fā)生后，在最短的時(shí)間內(nèi)估算地震造成的經(jīng)濟(jì)損失和人員傷亡情況［23］。在以往的評(píng)估中，人口的估算主要以普查數(shù)據(jù)為基礎(chǔ)，根據(jù)不同地震烈度圈范圍占行政單元的面積比例來確定，由于人口分布是不均衡的，得到的結(jié)果往往可靠性差，精度不能滿足應(yīng)用要求。而人口密度網(wǎng)格化數(shù)據(jù)很好地解決了這個(gè)問題，許多學(xué)者利用人口密度網(wǎng)格化數(shù)據(jù)研究地震災(zāi)害人口的暴露［70-71］，得到不同烈度范圍內(nèi)的受災(zāi)人口數(shù)量，精度更高，速度更快，為地震應(yīng)急救援工作提供依據(jù)。在研究其他災(zāi)害如臺(tái)風(fēng)風(fēng)暴潮，洪澇，海平面上升等，應(yīng)用人口密度網(wǎng)格化數(shù)據(jù)也可得到更接近實(shí)際情況的人口暴露。AfriPop數(shù)據(jù)庫(kù)生成了年齡小于5歲的兒童和孕婦的人口分布數(shù)據(jù)，能夠在災(zāi)害發(fā)生時(shí)及時(shí)轉(zhuǎn)移孕婦和兒童，以減少損失，并準(zhǔn)確估算災(zāi)害損失［62］。

人口網(wǎng)格化數(shù)據(jù)（庫(kù)）正朝多時(shí)相方向發(fā)展，LandScan數(shù)據(jù)庫(kù)建立的人口動(dòng)態(tài)分布網(wǎng)格化數(shù)據(jù)，包括白天流動(dòng)人口和旅途中的人口分布，精細(xì)地刻畫了不同時(shí)刻人口的暴露［72］，在災(zāi)害發(fā)生時(shí)，可為政府部門提供動(dòng)態(tài)的人口分布數(shù)據(jù)，更好地掌握受災(zāi)人員情況，及時(shí)出臺(tái)應(yīng)急預(yù)案，最大限度地減少災(zāi)害人員傷亡。Freire利用人口普查數(shù)據(jù)和土地覆被數(shù)據(jù)生成了里斯本市的人口網(wǎng)格化數(shù)據(jù)，分析了發(fā)生地震災(zāi)害時(shí)白天和夜晚的人口脆弱性分布［11］，這對(duì)于有效進(jìn)行人員疏散演習(xí)和合理布局救援物資等具有重要意義。

3.2 基于位置信息的人口時(shí)空動(dòng)態(tài)分布在災(zāi)害與風(fēng)險(xiǎn)管理中的應(yīng)用

人口時(shí)空動(dòng)態(tài)遷徙、流動(dòng)，以及城市熱點(diǎn)探索、景點(diǎn)擁擠度分析等是基于位置信息的大數(shù)據(jù)技術(shù)的重要應(yīng)用。例如，百度地圖春節(jié)人口遷徙大數(shù)據(jù)（簡(jiǎn)稱“百度遷徙”），是百度公司在2014年春運(yùn)期間推出的一個(gè)項(xiàng)目?！鞍俣冗w徙”利用大數(shù)據(jù)技術(shù)，對(duì)其擁有的LBS（基于地理位置的服務(wù)）大數(shù)據(jù)進(jìn)行計(jì)算分析，并采用創(chuàng)新的可視化呈現(xiàn)方式，在業(yè)界首次實(shí)現(xiàn)了全程、動(dòng)態(tài)、即時(shí)、直觀地展現(xiàn)中國(guó)春節(jié)前后人口大遷徙的軌跡與特征?？捎糜谟^察當(dāng)前及過往時(shí)間段內(nèi)，全國(guó)總體遷徙情況，以及各省、市地區(qū)的遷徙情況，直觀地確定遷入人口的來源和遷出人口的去向。

毛夏等［73］構(gòu)建了基于移動(dòng)基站的人口分布動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)，該系統(tǒng)提供了深圳市空間分辨率1 h，空間分辨率1 km的人口密度信息。為應(yīng)對(duì)突發(fā)事件和災(zāi)害風(fēng)險(xiǎn)動(dòng)態(tài)評(píng)估提供了實(shí)時(shí)準(zhǔn)確的人口時(shí)空動(dòng)態(tài)分布信息。

Jochem等基于從互聯(lián)網(wǎng)獲得的近乎實(shí)時(shí)更新的航班數(shù)據(jù)和郵輪數(shù)據(jù)估算機(jī)場(chǎng)和郵輪港口碼頭每小時(shí)的人口密度網(wǎng)格化數(shù)據(jù)，提高了災(zāi)害發(fā)生時(shí)人口暴露的精度，為應(yīng)急響應(yīng)和政府決策提供更多的參考信息［74］。2014年4月，百度上線了一款新的大數(shù)據(jù)產(chǎn)品“百度預(yù)測(cè)”，發(fā)布景點(diǎn)舒適度預(yù)測(cè)、城市旅游預(yù)測(cè)等信息。百度發(fā)現(xiàn)旅游相關(guān)詞搜索數(shù)量和實(shí)際旅游人數(shù)之間存在密切關(guān)系，并依此建立了旅游預(yù)測(cè)模型。通過和北京市旅游委的景點(diǎn)實(shí)際人數(shù)對(duì)比，準(zhǔn)確度達(dá)90%以上，可以充分反映旅游景點(diǎn)未來的人流趨勢(shì)。這些預(yù)測(cè)信息，同時(shí)結(jié)合眾源地理數(shù)據(jù)，引入大數(shù)據(jù)理論和大數(shù)據(jù)處理思想，從旅游者移動(dòng)模式切入，通過GIS定量研究方法，可對(duì)節(jié)假日旅游景區(qū)安全預(yù)警提供了新的途徑。

另外，基于位置服務(wù)可以實(shí)現(xiàn)弱勢(shì)群體的看護(hù)功能，比如老年癡呆癥的老人容易走丟，幼兒園的小孩容易被拐，定位信息平臺(tái)實(shí)現(xiàn)了基于位置的監(jiān)護(hù)功能。何壽清和王挺提出了手機(jī)定位服務(wù)于災(zāi)情速報(bào)和地震災(zāi)區(qū)埋壓被困人員搜救技術(shù)系統(tǒng)架構(gòu)，為地震災(zāi)區(qū)的快速圈定提供重要支持，使得對(duì)大面積的地震災(zāi)區(qū)埋壓被困人員準(zhǔn)確、快速搜救成為可能［75］。

4 未來研究方向展望

人口時(shí)空動(dòng)態(tài)分布與模擬研究在許多方面仍處于起步階段，今后應(yīng)著重開展下面幾方面的研究工作。

4.1 空間尺度與時(shí)空分辨率

根據(jù)災(zāi)害與風(fēng)險(xiǎn)管理的不同需要，人口承災(zāi)體的空間分布可分為城市街區(qū)、城市、亞國(guó)家（省、區(qū)域）和國(guó)家級(jí)等不同尺度。目前，亞國(guó)家和國(guó)家級(jí)的尺度人口網(wǎng)格化研究較多，而城市和街區(qū)級(jí)別的人口高分辨率精細(xì)分布的研究較少。城市與街區(qū)尺度的人口分布數(shù)據(jù)在城市備災(zāi)、資源分配、應(yīng)急響應(yīng)、災(zāi)害評(píng)估等方面有著廣泛的應(yīng)用。城市大尺度的人口分布數(shù)據(jù)，其空間分辨率需要達(dá)到獨(dú)棟建筑物或數(shù)十米格網(wǎng)的精度。此外，城市與街區(qū)尺度的人口動(dòng)態(tài)分布，通勤、人口流動(dòng)、居民的時(shí)空移動(dòng)就成為不可忽略的因素。近年來，高分辨率遙感影像在一定程度上提高了人口分布研究的空間分辨率，相關(guān)研究或側(cè)重于人口分布的空間識(shí)別單元?jiǎng)澐值木?xì)化［76］，或側(cè)重于時(shí)間節(jié)點(diǎn)劃分的精細(xì)化［77］，目前對(duì)于高時(shí)空分辨率的人口數(shù)據(jù)空間化模擬研究尚不夠深入，實(shí)用性較強(qiáng)的城市街區(qū)尺度的人口分布模型仍需要深入研究。

不同的人口網(wǎng)格化方法，適用于不同的尺度。例如，面插值法和點(diǎn)插值結(jié)果的分辨率一般為幾十千米［78］，直接限制了其應(yīng)用領(lǐng)域。地統(tǒng)計(jì)學(xué)方法易于和高分辨率遙感數(shù)據(jù)源結(jié)合，在區(qū)域精細(xì)尺度人口估計(jì)方面具有獨(dú)到優(yōu)勢(shì)［79］，是近年來的研究熱點(diǎn)。土地利用／土地覆被數(shù)據(jù)的分類精度和詳細(xì)程度決定了人口網(wǎng)格化結(jié)果的精度和尺度，對(duì)于城市和街區(qū)一級(jí)的人口空間分布，需要更精細(xì)的土地利用分類數(shù)據(jù)。另外，不同的人口網(wǎng)格化方法，得到的人口分布結(jié)果可能相差甚遠(yuǎn)。Maantay等利用CEDS法、包含質(zhì)心法和濾波面積權(quán)重插值法，估算了紐約市受洪水潛在影響的人口數(shù)，發(fā)現(xiàn)與CEDS法相比，后兩種方法估算的全市暴露于洪水風(fēng)險(xiǎn)的人口分別要少72%和37%。低估受影響的人口可能對(duì)應(yīng)急管理和災(zāi)難規(guī)劃產(chǎn)生嚴(yán)重的影響。

盡管人口密度網(wǎng)格化數(shù)據(jù)比傳統(tǒng)意義上的人口普查數(shù)據(jù)更接近于人口的實(shí)際分布，但多以靜態(tài)數(shù)據(jù)為主，對(duì)于動(dòng)態(tài)的人口密度網(wǎng)格化數(shù)據(jù)涉及較少，而研究動(dòng)態(tài)的人口密度網(wǎng)格化數(shù)據(jù)非常重要。例如，在災(zāi)害發(fā)生時(shí)，政府部門依據(jù)實(shí)時(shí)的人員傷亡情況、房屋倒塌、道路毀壞等情況及時(shí)出臺(tái)應(yīng)急救助方案，并積極組織災(zāi)后救援［80］，而靜態(tài)的人口分布數(shù)據(jù)已遠(yuǎn)遠(yuǎn)不能滿足防災(zāi)減災(zāi)的需求，因此研究動(dòng)態(tài)的人口密度網(wǎng)格化，對(duì)于災(zāi)害風(fēng)險(xiǎn)評(píng)估和應(yīng)急管理等具有重要意義。人口的晝夜分布不同，尤其是在大城市地區(qū)差異更為突出，而晝夜人口的差異在普查數(shù)據(jù)中是無(wú)法體現(xiàn)的，另外，節(jié)假日和季節(jié)性的人口流動(dòng)也比較大，比如周末人口在城區(qū)的小范圍流動(dòng)、國(guó)慶節(jié)、春節(jié)等在城市間的大范圍人口遷移，對(duì)社會(huì)經(jīng)濟(jì)、政治、交通、災(zāi)害風(fēng)險(xiǎn)管理等具有重要影響［81］。因此，未來在人口密度網(wǎng)格化數(shù)據(jù)庫(kù)基礎(chǔ)上應(yīng)著重研究人口的動(dòng)態(tài)變化，包括晝夜的人口分布、季節(jié)性的人口分布甚至一天內(nèi)不同時(shí)段的人口分布，這些動(dòng)態(tài)的人口數(shù)據(jù)能更精確地評(píng)估受災(zāi)區(qū)人口的脆弱性，為災(zāi)害風(fēng)險(xiǎn)管理和災(zāi)后救援提供依據(jù)。

目前依據(jù)網(wǎng)格化等方法獲取的人口分布信息，在空間上難以推算城市商業(yè)中心、居住中心、交通樞紐、旅游景點(diǎn)等在局部區(qū)域形成的超高密度人群分布和生態(tài)保護(hù)、水體等區(qū)域的超低密度人群分布；時(shí)間上無(wú)法獲得人口的日、周、節(jié)假日等動(dòng)態(tài)分布特征。大數(shù)據(jù)時(shí)代的到來，使得基于手機(jī)通話數(shù)據(jù)、公交卡刷卡記錄、社交網(wǎng)站簽到數(shù)據(jù)、出租車軌跡、銀行刷卡記錄等進(jìn)行了人類移動(dòng)模式的研究成為可能。這些研究必將與人口網(wǎng)格化的方法互補(bǔ)，成為人口承災(zāi)體時(shí)空動(dòng)態(tài)分布模擬的重要技術(shù)方法。據(jù)瑞典市場(chǎng)研究公司BergInsight的一份最新報(bào)告預(yù)測(cè)，2013年歐洲手機(jī)定位服務(wù)用戶將從2008年的2000萬(wàn)增長(zhǎng)到1.3億，年均復(fù)合增長(zhǎng)率為37%。2013年9月24日，根據(jù)國(guó)際咨詢公司Nielsen發(fā)布的亞太地區(qū)移動(dòng)消費(fèi)者分析報(bào)告顯示，中國(guó)智能手機(jī)普及率達(dá)到71%，超過美國(guó)的60%，略低于英國(guó)的72%。由于智能手機(jī)快速增長(zhǎng)和普及，本地檢索、導(dǎo)航服務(wù)和社交網(wǎng)絡(luò)將成為許多用戶的重要應(yīng)用，基于手機(jī)定位可獲得個(gè)體的實(shí)時(shí)移動(dòng)信息，在人口承災(zāi)體的時(shí)空動(dòng)態(tài)模擬，災(zāi)害預(yù)警與應(yīng)急管理中將有更廣泛的應(yīng)用。

4.2 脆弱人群的時(shí)空分布研究

人口承災(zāi)體和不同人群脆弱性的空間分布，是災(zāi)前分析不同災(zāi)害風(fēng)險(xiǎn)區(qū)人口分布和相應(yīng)風(fēng)險(xiǎn)水平的關(guān)鍵要素，也是災(zāi)后評(píng)估受災(zāi)人口的重要依據(jù)。在應(yīng)用指標(biāo)評(píng)價(jià)法對(duì)區(qū)域綜合脆弱性和綜合風(fēng)險(xiǎn)水平進(jìn)行評(píng)價(jià)時(shí)，需要單元人口總體的年齡結(jié)構(gòu)、性別比例、老幼人口比例、失業(yè)人口比例、貧困人口比例和農(nóng)業(yè)人口比例等指標(biāo)［24-26］，在進(jìn)行社會(huì)恢復(fù)力分析時(shí)也常涉及到人口因素［28］。人口脆弱性不僅僅影響人自身的自然災(zāi)害風(fēng)險(xiǎn)，對(duì)財(cái)產(chǎn)和區(qū)域的綜合自然災(zāi)害風(fēng)險(xiǎn)水平也有很大影響［25］。例如，具有良好減災(zāi)知識(shí)和掌握足夠減災(zāi)資源的人口，可以更好地進(jìn)行備災(zāi)以降低其遭受的災(zāi)害風(fēng)險(xiǎn)；面對(duì)同樣強(qiáng)度的災(zāi)害，身體強(qiáng)壯的中年男性更容易及時(shí)將財(cái)產(chǎn)進(jìn)行轉(zhuǎn)移以降低災(zāi)害損失。

人口時(shí)空分布數(shù)據(jù)庫(kù)應(yīng)特別關(guān)注社會(huì)弱勢(shì)群體的時(shí)空分布，包括老人、婦女、兒童、殘疾人以及流動(dòng)人口等［80］。由于他們社會(huì)地位低下，家境貧困，心理壓力大，承受能力較小，常居住在災(zāi)害易發(fā)頻發(fā)的地區(qū)，在發(fā)生災(zāi)害時(shí)受危害幾率高，脆弱性大，并且容易被社會(huì)忽視，已經(jīng)成為一個(gè)熱點(diǎn)問題，越來越受到各國(guó)和各組織的關(guān)注［82］。但目前利用眾源數(shù)據(jù)進(jìn)行的人口時(shí)空動(dòng)態(tài)分布模擬，還難以分離、評(píng)估脆弱性人群。已有的人口密度網(wǎng)格化數(shù)據(jù)庫(kù)中，也缺乏社會(huì)弱勢(shì)群體的分布數(shù)據(jù)。在災(zāi)害風(fēng)險(xiǎn)分析中，幾乎很難對(duì)人口的脆弱性進(jìn)行分析，災(zāi)害發(fā)生時(shí)，也無(wú)法得知災(zāi)區(qū)弱勢(shì)群體的數(shù)量以及他們的傷亡情況，這都在一定程度上限制了政府部門的救援，增加了弱勢(shì)群體的傷亡，對(duì)社會(huì)、經(jīng)濟(jì)造成了嚴(yán)重的損失。未來可在人口密度網(wǎng)格化數(shù)據(jù)庫(kù)的基礎(chǔ)上，加大對(duì)社會(huì)弱勢(shì)群體的研究，增強(qiáng)弱勢(shì)群體的抗災(zāi)能力，做好救災(zāi)物資儲(chǔ)備，以降低弱勢(shì)群體的脆弱性，在災(zāi)害發(fā)生時(shí)更好地保護(hù)他們，可有效地減少社會(huì)損失，能更好地為社會(huì)管理、政府決策服務(wù)。

5 結(jié)論

人口承災(zāi)體的時(shí)空動(dòng)態(tài)分布模擬主要有兩種方法：一種是人口密度網(wǎng)格化方法；另一種是基于個(gè)體時(shí)空標(biāo)記的模擬方法。人口密度網(wǎng)格化的方法主要有平均分配法、格點(diǎn)內(nèi)插法、人口分布規(guī)律法、人口分布影響因子分析法和遙感估算法。不同方法各有利弊，需要根據(jù)研究目的和空間尺度的不同選擇合適方法?；谶@些方法國(guó)內(nèi)外構(gòu)建了不同尺度的人口數(shù)據(jù)庫(kù)，包括GPW、Land-Scan、AsiaPop、AfriPop等。根據(jù)人口密度網(wǎng)格化方法和不同數(shù)據(jù)庫(kù)得到的人口分布數(shù)據(jù)也已開始應(yīng)用于災(zāi)害與風(fēng)險(xiǎn)分析和管理中，快速評(píng)估災(zāi)害風(fēng)險(xiǎn)與損失，為政府的應(yīng)急響應(yīng)和減災(zāi)、備災(zāi)提供可靠的支持，以盡可能降低災(zāi)害中人員的傷亡。

然而，大部分人口密度網(wǎng)格化數(shù)據(jù)（庫(kù)）還缺少對(duì)脆弱性人口的分析，并且大多研究是基于靜態(tài)的，缺少動(dòng)態(tài)分析。今后需要關(guān)注人口時(shí)空精細(xì)分辨率的模擬方法研究，特別是在快速城市化和城市災(zāi)害頻發(fā)的背景下，需要加強(qiáng)城市與街區(qū)尺度人口承災(zāi)體的時(shí)空動(dòng)態(tài)研究。在人口密度網(wǎng)格化過程中關(guān)注社會(huì)弱勢(shì)群體等脆弱性較高人群的分布。另外，如果能夠使人口分布數(shù)據(jù)反映出人口的晝夜、節(jié)假日、季節(jié)性的分布差異，將極大促進(jìn)相關(guān)方法和數(shù)據(jù)在災(zāi)害研究和管理中的應(yīng)用價(jià)值。結(jié)合基于人口統(tǒng)計(jì)數(shù)據(jù)的密度網(wǎng)格化方法［20］和基于個(gè)體時(shí)空標(biāo)記的模擬方法［73］，提取具有動(dòng)態(tài)特征的人口承災(zāi)體的分布信息是未來進(jìn)一步研究的方向，這將為災(zāi)害風(fēng)險(xiǎn)分析和管理帶來全新視角和技術(shù)支撐，實(shí)現(xiàn)實(shí)時(shí)動(dòng)態(tài)的災(zāi)害風(fēng)險(xiǎn)評(píng)估，做到災(zāi)前充分準(zhǔn)備，災(zāi)后救援快速，以最大程度地降低災(zāi)害損失。

［1］ UNISDR.UNISDR terminology on disaster risk reduction［R］. Geneva：United Nations，2009：1-30.

［2］ 史培軍.從南方冰雪災(zāi)害成因看巨災(zāi)防范對(duì)策［J］.中國(guó)減災(zāi)，2008（2）：12-15.

［3］ Openshaw S.Themodifiable areal unit problem［M］.Norwich：Geo Books，1983.

［4］ 江東，楊小喚，王乃斌，等.基于RS＼GIS的人口空間分布研究［J］.地球科學(xué)進(jìn)展，2002，17（5）：734-738.

［5］ Langford M，Higgs G，Radcliffe J，et al.Urban population distribution models and service accessibility estimation［J］.Computers，Environment and Urban Systems，2008，32（1）：66-80.

［6］ Sinolinding H M，Porciuncula F L，Corpuz O S.Conservation of ligawasan marsh in Mindanao，Philippines，through an indigenous knowledge system：climate change mitigation and disaster risk management［M］.Climate Change and Disaster Risk Management.Springer Berlin Heidelberg，2013：615-626.

［7］ 柏中強(qiáng)，王卷樂，楊飛.人口數(shù)據(jù)空間化研究綜述［J］.地理科學(xué)進(jìn)展，2013，32（11）：1692-1702.

［8］ 劉瑜，康朝貴，王法輝.大數(shù)據(jù)驅(qū)動(dòng)的人類移動(dòng)模式和模型研究［J］.武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2014，39（6）：660-666.

［9］ Smeed R J.The traffic problem in towns［J］.Town Planning Review，1964，35（2）：133.

［10］McGranahan G，Balk D，Anderson B.The rising tide：assessing the risks of climate change and human settlements in low elevation coastal zones［J］.Environmentand Urbanization，2007，19（1）：17-37.

［11］Freire S，Aubrecht C.Integrating population dynamics into mapping human exposure to seismic hazard［J］.Natural Hazards and Earth System Science，2012，12（11）：3533-3543.

［12］Bajat B，Hengl T，Kilibarda M，etal.Mapping population change index in Southern Serbia（1961-2027）as a function of environmental factors［J］.Computers，Environment and Urban Systems，2011，35（1）：35-44.

［13］劉紀(jì)遠(yuǎn)，岳天祥，王英安，等.中國(guó)人口密度數(shù)字模擬［J］.地理學(xué)報(bào)，2003，58（1）：17-24.

［14］閆慶武.基于居民點(diǎn)密度的人口密度空間化［J］.地理與地理信息科學(xué)，2011，27（5）：95-98.

［15］Lu D，Weng Q，Li G.Residential population estimation using a remote sensing derived impervious surface approach［J］.International Journal of Remote Sensing，2006，27（16）：3553-3570.

［16］Wu SS，Qiu X，Wang L.Using semi-variance image texture statistics to model population densities［J］.Cartography and Geographic Information Science，2008，33（2）：127-140.

［17］Ge M，F(xiàn)eng Z.Classification of densities and characteristics of curve of population centers in China by GIS［J］.Journal of Geographical Sciences，2010，20（4）：628-640.

［18］Weichselbaum J，Petrini-Monteferri F，Papathoma M，et al. Sharpening census information in GIS to meet real-world conditions：the case for earth observation［J］.WIT Transactions on E-cology and the Environment，Sustainable Development and Planning II，2005，1：143-152.

［19］符海月，李滿春，趙軍，等.人口數(shù)據(jù)格網(wǎng)化模型研究進(jìn)展綜述［J］.人文地理，2006，21（3）：115-119.

［20］Maantay JA，Maroko A R，Herrmann C.Mapping population distribution in the urban environment：The cadastral-based expert dasymetric system（CEDS）［J］.Cartography and Geographic Information Science，2007，34（2）：77-102.

［21］林麗潔，林廣發(fā)，顏小霞，等.人口統(tǒng)計(jì)數(shù)據(jù)空間化模型綜述［J］.亞熱帶資源與環(huán)境學(xué)報(bào)，2010，5（4）：10-16.

［22］Dilley M.Natural disaster hotspots：a global risk analysis［M］. World Bank Publications，2005.

［23］ADRC.Total disaster risk management：good practice2005［R］. Kobe，Japan：Asian Disaster Reduction Center，2005.

［24］Cutter S L，F(xiàn)inch C.Temporal and spatial changes in social vulnerability to natural hazards［J］.Proceedings of the National A-cademy of Sciences，2008，105（7）：2301-2306.

［25］Cutter S L，Boruff B J，Shirley W L.Social vulnerability to environmental hazards［J］.Social Science Quarterly，2003，84（2）：242-261.

［26］Peacock W G，Grover H，Mayunga J，etal.The status and trends of population social vulnerabilities along the Texas coast with special attention to the coastal management zone and hurricane Ike：the coastal planning atlas and social vulnerability mapping tools［J］.Hazard Reduction＆Recovery Center，2011：1-56.

［27］Wen JC，Huang SY，Hsu C C，et al.Community，environment and disaster riskmanagement［J］.Emerald，2010，5：327-347.

［28］Cutter S L，Burton C G，Emrich C T.Disaster resilience indicators for benchmarking baseline conditions［J］.Journal of Homeland Security and Emergency Management，2010，7（1）：1547-7355.

［29］Maantay J，Maroko A.Mapping urban risk：flood hazards，race，＆environmental justice in New York［J］.Applied Geography，2009，29（1）：111-124.

［30］Liu J，Wang S.Analysis of the differentiation in human vulnerability to earthquake hazard between rural and urban areas：case studies in 5.12Wenchuan earthquake（2008）and 4.20 Ya’an earthquake（2013），China［J］.Journal of Housing and the Built Environment，2014：1-21.

［31］史培軍.中國(guó)自然災(zāi)害風(fēng)險(xiǎn)地圖集［M］.北京：科學(xué)出版社，2012.

［32］Arkema K K，Guannel G，Verutes G，et al.Coastal habitats shield people and property from sea-level rise and storms［J］.Nature Climate Change，2013，3：913-918.

［33］卓莉，陳晉，史培軍，等.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）：266-276.

［34］呂安民，劉海啟，李成名.人口密度的面積內(nèi)插算法研究［J］.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2002，23（1）：35-40.

［35］Clark C.Urban population densities［J］.Journal of the Royal Statistical Society.Series A（General），1951，114（4）：490-496.

［36］Sherratt G G.Amodel for general urban growth［J］.Management Sciences，Models and Techniques，1960，2（11）：7.

［37］陳勇，艾南山.城市結(jié)構(gòu)的分形研究［J］.地理學(xué)與國(guó)土研究，1994，10（4）：35-41.

［38］陳彥光.城市人口密度的分形模型及其異化形式——對(duì)Clark和Sherratt模型的綜合與發(fā)展［J］.信陽(yáng)師范學(xué)院學(xué)報(bào)，1999，12（1）：60-64.

［39］王益謙，王放.城市人口分布的多重分形特征刻化［J］.大自然探索，1997，16（4）：72-76.

［40］Linard C，Gilbert M，Tatem A J.Assessing the use of global land cover data for guiding large area population distribution modeling［J］.GeoJournal，2011，76（5）：525-538.

［41］Steinnocher K，K?stl M，Weichselbaum J.Grid-based population and land take trend indicators—new approaches introduced by the geoland2 core information service for spatial planning［J］.New Techniques and Technologies for Statistics，NTTS，2011.

［42］Amaral S，Gavlak A A，Escada M IS，et al.Using remote sensing and census tract data to improve representation of population spatial distribution：case studies in the Brazilian Amazon［J］. Population and Environment，2012，34（1）：142-170.

［43］Zhuo L，Ichinose T，Zheng J，et al.Modelling the population density of China at the pixel level based on DMSP／OLS non-radiance-calibrated night-time Light Images［J］.International Journal of Remote Sensing，2009，30（4）：1003-1018.

［44］楊眉，王世新，周藝，等.DMSP／OLS夜間燈光數(shù)據(jù)應(yīng)用研究綜述［J］.遙感技術(shù)與應(yīng)用，2011，26（1）：45-49.

［45］ToblerW，Deichmann U，Gottsegen J.World population in a grid of spherical quadrilaterals［J］.International Journal of Population Geography，1997，3（3）：203-225.

［46］Goodchild M F.Citizensas sensors：theworld of volunteered geography［J］.GeoJournal，2007，69（4）：211-221.

［47］Goodchild M F.Geographic information systems and science：today and tomorrow［J］.Annals of GIS，2009，15（1）：3-9.

［48］Goodchild M F，Hill L L.Introduction to digital gazetteer research［J］.International Journal of Geographical Information Science，2008，22（10）：1039-1044.

［49］單杰，秦昆，黃長(zhǎng)青，等.眾源地理數(shù)據(jù)處理與分析方法探討［J］.武漢大學(xué)學(xué)報(bào)信息科學(xué)版，2014，39（4）：390-396.

［50］Fritz S，McCallum I，Schill C，et al.Geo-Wiki.Org：The use of crowdsourcing to improve global land cover［J］.Remote Sensing，2009，1（3）：345-354.

［51］Goodchild M F，Glennon JA.Crowdsourcing geographic information for disaster response：a research frontier［J］.International Journal of Digital Earth，2010，3（3）：231-241.

［52］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.

［53］ESRI.How create fishnet works［EB／OL］.［2015-03-08］Redlands：ESRI.2012.

［54］Ratti C，Williams S，F(xiàn)renchman D，et al.Mobile landscapes：using location data from cell phones for urban analysis［J］.Environment and Planning b Planning and Design，2006，33（5）：727.

［55］劉瑜，肖昱，高松，等.基于位置感知設(shè)備的人類移動(dòng)研究綜述［J］.地理與地理信息科學(xué)，2011，27（4）：8-13.

［56］柴彥威，趙瑩，馬修軍，等.基于移動(dòng)定位的行為數(shù)據(jù)采集與地理應(yīng)用研究［J］.地域研究與開發(fā)，2010，29（6）：1-7.

［57］Martin D，Lloyd C，Shuttleworth I.Evaluation of gridded populationmodelsusing2001 northern Ireland census data［J］.Environment and Planning-Part A，2011，43（8）：1965

［58］Linard C，Tatem A J.Large-scale spatial population databases in infectious disease research［J］.Int JHealth Geogr，2012，11（7）.

［59］Patterson L，Urban M，Myers A，et al.The effects of quality control on decreasing error propagation in the LandScan USA population distribution model：a case study of Philadelphia county［J］. Transactions in GIS，2009，13（2）：215-228.

［60］Graesser J，Cheriyadat A，VatsavaiR，etal.Image based characterization of formal and informal neighborhoods in an urban landscape［J］.Selected Topics in Applied Earth Observationsand Remote Sensing，IEEE Journal of，2012，5（4）：1164-1176.

［61］Gaughan A E，Stevens FR，Linard C，etal.High resolution population distributionmaps for southeast Asia in 2010 and 2015［J］. PLoSOne，2013，8（2）：e55882.

［62］Linard C，Altare C，Guha Sapir D.Demographic data from conflict-affected regions of the Congo Basin：potential from the AfriPop and CEDAT databases［J］.DI-fusion，2013，3：156-166.

［63］Azar D，Engstrom R，Graesser J，et al.Generation of fine-scale population layers using multi-resolution satellite imagery and geospatial data［J］.Remote Sensing of Environment，2013，130：219-232.

［64］Gallego F J.A population density grid of the European Union［J］.Population and Environment，2010，31（6）：460-473.

［65］Yang X，Huang Y，Dong P，et al.An updating system for the gridded population database of China based on remote sensing，GISand spatial database technologies［J］.Sensors，2009，9（2）：1128-1140.

［66］Su M D，Lin M C，Hsieh H I，etal.Multi-layermulti-class dasymetric mapping to estimate population distribution［J］.Science of the Total Environment，2010，408（20）：4807-4816.

［67］Hall O，Stroh E，Paya F.From census to grids：comparing gridded population of the world with Swedish census records［J］. Open Geography Journal，2012，5：1-5.

［68］扈海波，熊亞軍，張姝麗.基于城市交通脆弱性核算的大霧災(zāi)害風(fēng)險(xiǎn)評(píng)估［J］.應(yīng)用氣象學(xué)報(bào)，2010，21（6）：732.

［69］Mouri G，Minoshima D，Golosov V，et al.Probability assessment of flood and sediment disasters in Japan using the total runoff-integrating pathways model［J］.International Journal of Disaster Risk Reduction，2013，3：31-43.

［70］Dell’Acqua F，Gamba P，Jaiswal K.Spatial aspects of building and population exposure data and their implications for global earthquake exposure modeling［J］.Natural hazards，2013，68（3）：1291-1309.

［71］Allen T I，Wald D J，Earle PS，etal.An atlas of shakemaps and population exposure catalog for earthquake loss modeling［J］. Bulletin of Earthquake Engineering，2009，7（3）：701-718.

［72］Dobson JE，Bright E A，Coleman PR，etal.LandScan：a global population database for estimating populations at risk［J］.Photogrammetric Engineering and Remote Sensing，2000，66（7）：849-857.

［73］毛夏，徐蓉蓉，李新碩，等.深圳市人口分布的細(xì)網(wǎng)格動(dòng)態(tài)特征［J］.地理學(xué)報(bào)，2010，65（4）：443-453.

［74］Jochem W C，Sims K，Bright E A，et al.Estimating traveler populations at airport and cruise terminals for population distribution and dynamics［J］.Natural Hazards，2012，1-18.

［75］何壽清，王挺.基于手機(jī)定位服務(wù)的地震災(zāi)情速報(bào)和搜救技術(shù)探討［J］.華南地震，2012，32（4）：67-74.

［76］馮甜甜，龔健雅.基于建筑物提取的精細(xì)尺度人口估算研究［J］.遙感技術(shù)與應(yīng)用，2010（3）：323-327.

［77］張露.高時(shí)間分辨率的城市人口動(dòng)態(tài)分布模擬-以重慶市北碚城區(qū)為例［D］.重慶：西南大學(xué)，2012.

［78］范一大，史培軍，辜智慧，等.行政單元數(shù)據(jù)向網(wǎng)格單元轉(zhuǎn)化的技術(shù)方法［J］.地理科學(xué)，2004，24（1）：105-108.

［79］Liu X H，Kyriakidis PC，Goodchild M F.Population-density estimation using regression and area-to-point residual kriging［J］.International Journal of Geographical Information Science，2008，22（4）：431-447.

［80］Smith K.Environmental hazards：assessing risk and reducing disaster［M］.Routledge，2013.

［81］Campos M，Spenassatto C，Lourdes da Gra?a Macoris M，et al. Seasonal population dynamicsand the genetic structure of themosquito vector Aedes aegypti in Sao Paulo，Brazil［J］.Ecology and Evolution，2012，2（11）：2794-2802.

［82］Meng Q，Yuan B，Jia L，etal.Expanding health insurance coverage in vulnerable groups：a systematic review of options［J］. Health Policy and Planning，2011，26（2）：93-104.

Spatial-tem poral Distribution M odeling of Population and its Applications in Disaster and Risk M anagement

Liang Yating1，Wen Jiahong1，Du Shiqiang1，Xu Hui1and Jianping Yan2
（1.Department of Geography，Shanghai Normal University，Shanghai200234，China；2.Bureau for Crisis Prevention and Recovery，UNDP，New York，USA）

The distribution of population is spatially uneven.People’s daily commute and long-term migration further result in dynamic distribution of population.The spatial-temporal variation in population forms the basic characteristic of population exposure，which is of significant importance for disaster risk assessment and management.There are two ways to simulate the spatial-temporal distribution of population，namely，the dasymetricmapping of population census data and individual geo-informationmining.The dasymetricmapping of population census data is an important field in demographic research and population exposure assessment recently.It includes average allocation，grid-point interpolation，factor-weighted analysis，population distribution theory method and remote sensing-based estimation，among which factor-weighted analysis and remote sensing-based estimation aremost popular.In the era of big data，individual geo-information mining provides an emerging way to monitor and simulate population distribution and population exposure to natural disaster.Individual geo-information miningmainly focuses on two data sources，namely，crowd-sourcing geographic data and cell-phone-based spatial information.Based on the review of abovemethods，this paper further discusses their applications in natural disaster risk analysis，risk management and emergency management.Finally，it argues that future research should combine the dasymetric mapping of population census data with individual geo-information mining to construct a dynamic database of population exposure with high spatial-temporal resolution andmulti-level vulnerability.Special attentions should be paid to spatio-temporal urban population and vulnerable groups in developing such a database，e.g.the elders，women，children，personswith disabilities and migrants，who aremore vulnerable to hazards and diseases.

population densitymeshing；individual spatial-temporalmarker；temporal and spatial distribution of population；the population of hazard bearing body；disaster and risk management

X43；K903

A

1000-811X（2015）04-0220-09

10.3969／j.issn.1000-811X.2015.04.038

梁亞婷，溫家洪，杜士強(qiáng)，等.人口的時(shí)空分布模擬及其在災(zāi)害與風(fēng)險(xiǎn)管理中的應(yīng)用［J］.災(zāi)害學(xué)，2015，30（4）：220-228.［Liang Yating，Wen Jiahong，Du Shiqiang，et al.Spatial-temporal distributionmodeling of population and its applications in disaster and risk management［J］.Journal of Catastrophology，2015，30（4）：220-228.］*

2015-05-06 修回日期：2015-06-10

國(guó)家自然科學(xué)基金青年項(xiàng)目（41401603、41201548）；教育部人文社會(huì)科學(xué)研究項(xiàng)目（14YJCZH128）

梁亞婷（1990-），女，陜西澄城人，碩士研究生，研究方向?yàn)楦呔热丝趧?dòng)態(tài)分布模擬與災(zāi)害風(fēng)險(xiǎn)管理.

E-mail：yatingliang＠126.com

溫家洪（1966-），男，江西興國(guó)人，博士，教授，博士生導(dǎo)師，主要研究方向?yàn)闉?zāi)害風(fēng)險(xiǎn)分析與風(fēng)險(xiǎn)管理、遙感與GIS應(yīng)用.E-mail：jhwen＠shnu.edu.cn