基于对地观测数据的城镇人口估算方法研究（英文）

doi:10.7523/j.issn.2095-6134.2006.4.017

中国科学院大学学报 ›› 2006, Vol. 23 ›› Issue (4): 543-547.DOI: 10.7523/j.issn.2095-6134.2006.4.017

基于对地观测数据的城镇人口估算方法研究（英文）

杨思全; 刘华

1 民政部国家减灾中心, 北京 100053;

2 中科院新疆生态与地理研究所, 乌鲁木齐 830011;

3 中科院研究生院, 北京 100039

收稿日期:1900-01-01 修回日期:1900-01-01 发布日期:2006-07-15

Research in the Method of Population Estimation in Urban District Based on EO data

YANG Si-Quan, LIU Hua

1 National Disaster Reduction Centre, Ministry of Civil Affairs, Beijing, 100053;

2 Xinjiang Institute of Ecology and Geography, Chinese Academy Sciences, Urumqi, 830011;

3 Graduate School of the Chinese Academy of Sciences, Beijing, 100039

Received:1900-01-01 Revised:1900-01-01 Published:2006-07-15

摘要/Abstract

摘要： 本文对对地观测数据支持下的城镇人口估算方法进行了研究。首先，将研究区的居民地划分为高密度区、中密度区和低密度区，并且通过解译IKONOS数据获取各类型居民地的面积；然后，通过线性相关分析，研究居民地面积与居民人口之间的相关关系，并建立了相关关系式；最后，应用训练数据对居民地面积与居民人口之间的关系式进行了检验，结果显示：应用对地观测数据进行城镇人口估算，在理论上可信、方法上可行，是城镇应急状态下进行人口估算的可取方法。

关键词: 对地观测数据, 城镇人口, 估算方法研究

Abstract: In this paper, a method to estimate population in urban district by using EO (Earth Observation) data has been studied and discussed. Firstly, residential district has been classified into three kinds，which are high-dense, middle-dense and low-dense, according to the investigation, and the area of each kind of district has been calculated by interpreting IKONOS. Then, the correlation between population and residential area has been studied by using linear analysis, and an equation showing the correlation between population and residential area has been determined. At last, the equation between population and residential area has been tested. Results show: it is a reasonable and adoptable way to estimate population by using EO data in some emergent situation in urban district.

Key words: research in method, population estimation urban district, EO data

中图分类号:

TP79

杨思全; 刘华. 基于对地观测数据的城镇人口估算方法研究（英文）[J]. 中国科学院大学学报, 2006, 23(4): 543-547.

YANG Si-Quan, LIU Hua. Research in the Method of Population Estimation in Urban District Based on EO data[J]. , 2006, 23(4): 543-547.

[1]	陆小琳, 张万昌, 牛全福, 刘金平, 陈豪, 高会然. 黑龙江流域积雪的时空动态变化及其与气候因子的关系[J]. 中国科学院大学学报, 2021, 38(5): 601-610.
[2]	李丹, 刘佳音. 不同时空条件下的高分三号SAR图像立体定位方法[J]. 中国科学院大学学报, 2021, 38(4): 519-523.
[3]	高龙, 阎福礼. 基于Sentinel-1A SAR影像的上下游水位响应分析及其在洪涝预警中的应用[J]. 中国科学院大学学报, 0, (): 21537-21537.
[4]	王子安, 孟庆岩, 张琳琳, 胡蝶, 杨天梁. 基于CA-Markov模型的海口市城市热岛模拟预测研究^*[J]. 中国科学院大学学报, 0, (): 536-536.
[5]	闫磊, 刘巍, 刘士彬, 段建波, 夏玮. 容器化的遥感信息服务平台技术研究与实验^*[J]. 中国科学院大学学报, 0, (): 543-543.
[6]	高锦风, 陈玉, 魏永明, 李剑南. 基于改进的YOLOv3和Facenet的无人机影像人脸识别^*[J]. 中国科学院大学学报, 0, (): 549-549.
[7]	梁磊, 习晓环, 王成, 王金亮, 黄友菊. 基于B/S架构的激光雷达电力巡线可视化管理与分析系统^*[J]. 中国科学院大学学报, 0, (): 86-86.
[8]	庄庆威, 吴世新, 杨怡, 牛雅萱, 颜瑜严. 近10年新疆不同程度盐渍化耕地的时空变化特征[J]. 中国科学院大学学报, 2021, 38(3): 341-349.
[9]	冯齐心, 杨辽, 王伟胜, 陈桃, 黄双燕. 基于时序光谱重构的卷积神经网络遥感农作物分类[J]. 中国科学院大学学报, 2020, 37(5): 619-628.
[10]	毕森, 张丽, 谷雨, 王恒, 温礼, 李通, 毕京鹏. 21世纪海上丝绸之路沿线港口及港城关系变化分析[J]. 中国科学院大学学报, 2020, 37(1): 74-82.
[11]	阎福礼, 林亚森, 王世新, 周艺. 太湖富营养化水体比辐射率测量及MODIS水体温度反演应用[J]. 中国科学院大学学报, 2019, 36(6): 784-793.
[12]	周晗, 叶虎平, 魏显虎, 张宗科, 王法溧, 齐永菊, 马建如. 基于Sentinel-1/2的水体提取方法对比研究——以斯里兰卡小型水体为例[J]. 中国科学院大学学报, 2019, 36(6): 794-802.
[13]	李志新, 王心源, 刘传胜, 骆磊. 海南东寨港海底村庄遗址遥感观测与分析[J]. 中国科学院大学学报, 2019, 36(6): 803-809.
[14]	马肖肖, 程博, 刘岳明, 崔师爱, 梁琛彬. 基于极化特征和纹理特征的PolSAR影像建筑物提取方法[J]. 中国科学院大学学报, 2019, 36(5): 682-693.
[15]	吴长江, 雷莉萍, 曾招城. 不同卫星反演的大气CO₂浓度差异时空特征分析[J]. 中国科学院大学学报, 2019, 36(3): 331-337.

基于对地观测数据的城镇人口估算方法研究（英文）

Research in the Method of Population Estimation in Urban District Based on EO data

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们