hexagrids_10km

Statistical analyses of data from the population census with an IRIS/Land cover cross. The analysis of INSEE data provided by IRIS raises the problem of the size of geographical objects and the concentration of residential areas within each IRIS. The objective of this analysis is, on the one hand, to assign the statistical value of when IRIS to the only inhabited areas of these and, on the other hand, to homogenize the territory with identical geographical objects. We chose hexagons rather than squares in order to multiply the bonds between each object (6 instead of 4). The data used are: * the IRIS table; * the land use table; * the hexagrid table (6 tables with hexagons of size 10km, 5km, 2km, 1km, 500m and 200m); * INSEE statistical tables grouped into a single table. The process takes place in three phases: * Phase 1: isolating the habitat areas in the land use table (level 11) and the cut-outs with the IRIS; * Phase 2: cut the previous result with the hexagrid table; * Phase 3: join previous tables with statistical data. The result gives 6 cross tables of statistics extrapolated for each hexagon and all over the 3 vintages 2018, 2019 and 2020.本研究针对结合了人口统计小区（IRIS）与土地覆盖交叉信息的人口普查数据开展统计分析。由IRIS提供的法国国家统计与经济研究所（INSEE）数据分析过程中，会面临地理单元尺度以及各IRIS内居住区集聚程度的相关问题。本分析的目标分为两部分：其一，将IRIS的统计数值仅赋予其对应的居住区域；其二，通过统一地理单元实现辖区均质化。相较于正方形网格，我们选择六边形网格以提升各单元间的连接数（6个邻接单元，而非正方形的4个）。本次分析使用的数据包括：1. IRIS数据表；2. 土地利用数据表；3. 六边形网格（hexagrid）数据表（共6张，对应尺寸分别为10km、5km、2km、1km、500m及200m）；4. 整合为单张表的INSEE统计数据表。本分析流程分为三个阶段：1. 第一阶段：从土地利用数据表（等级11）中提取居住区域，并与IRIS进行空间裁切匹配；2. 第二阶段：将第一阶段得到的结果与六边形网格数据表进行空间裁切；3. 第三阶段：将前述数据表与统计数据进行关联匹配。最终得到6张针对各六边形单元、覆盖2018、2019及2020三个年份的统计推演交叉表。