2010年中国大陆100m分辨率人口栅格数据集

数据基本信息数据时间：2010年空间位置：中国大陆数据分辨率：100米数据类型：除原始遥感影像外的栅格数据数据投影信息：WGS_84数据摘要本数据集为2010年中国大陆100m分辨率人口栅格数据集，栅格单元单位为人/公顷。本研究融合地理空间大数据（兴趣点）、多源遥感数据（包括夜间灯光、植被指数等）以及路网等数据，基于机器学习方法-随机森林，模拟了中国大陆人口的空间分布，并与2010年的WorldPop人口数据进行了对比，结果显示，由于融合了兴趣点数据，新的100m人口栅格数据产品比WorldPop的精度更高，显著减少了城市中心的人口低估和农村、郊区的人口高估，相关成果“Improved population mapping for China using remotely sensed and points-of-interest data within a random forest model” 2019年在TOP期刊《Science of Total Environment》发表，并成为ESI前1%高被引论文。数据作者（联系人）信息姓名：杨续超联系人电话：[phone]邮编：316021联系人邮箱：[e-mail]单位：浙江大学地址：浙江省舟山市浙大路1号浙江大学舟山校区海科楼357数据引用方式及申明使用申明：2010年中国大陆100m分辨率人口栅格数据集来源于国家对地观测科学数据中心开放基金“中国大陆2010年人口、GDP和用电量栅格数据集（NODAOP2020018）”;引用方式：杨续超，叶婷婷，陈倩，金城，李飞翔. 2010年中国大陆100m分辨率人口数据集.2021数据溯源信息数据来源描述：本数据集原始数据均为开源数据，来源可靠。POI兴趣点数据来自百度地图，人口统计数据来自中国国家统计局，路网数据来自中国国家资源与环境数据中心，夜间灯光数据为DMSP/OLS夜间灯光数据，归一化植被指数（NDVI）数据为SPOT-VEGETATION逐旬数据，数字高程（DEM）采用NASADEM数据产品。数据生成过程描述：本项目利用随机森林算法，融合多源遥感数据和POI等地理空间大数据，实现对中国大陆100m分辨率人口密度的预测。在本项目中，用于随机森林回归的变量有：夜间灯光指数、NDVI、海拔、坡度、道路距离、POIs距离、POIs密度，在县市区（level_3）一级的行政区划内，对上述指示因子取平均值（zonal_means）作为解释变量（variables），以县市区（level_3）人口密度（六普数据的常住人口/行政单元面积）的自然对数为响应变量（response）。在R软件（R version 3.4.2）中执行随机森林回归（randomForest package）。随后，以该回归模型（RF_model）来预测栅格变量的趋势面（predict 函数），将水体掩膜（non-residential）后的栅格，视为有人居住的区域（residential）。将前一步训练得到的有人居住区数据，作为权重层（weighting layer）可实现县市区尺度上统计人口的格网化分布。同样方法已获得2010年中国大陆1km分辨率人口栅格数据集，相关成果：“Improved population mapping of China using remotely sensed and points-of-interest data within a random forest model”已发表。数据质量信息：本数据集原始数据均为开源数据，来源可靠。POI兴趣点数据来自百度地图，人口统计数据来自中国国家统计局，路网数据来自中国国家资源与环境数据中心，夜间灯光数据为DMSP/OLS夜间灯光数据，归一化植被指数（NDVI）数据为SPOT-VEGETATION逐旬数据，数字高程（DEM）采用NASADEM数据产品，上述数据预处理均在ArcGIS10.2中进行，处理步骤规范。随机森林建模和预测均在R软件（R version 3.4.2）中进行，并计算模型样本交叉验证精度，最后进行掩膜和分区密度制图处理。整个过程数据来源可靠，操作规范。同样方法已获得2010年中国大陆1km分辨率人口网格数据集，相关成果“Improved population mapping of China using remotely sensed and points-of-interest data within a random forests model”已发表。