(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211498052.7 (22)申请日 2022.11.28 (71)申请人 中国测绘科 学研究院 地址 100036 北京市海淀区莲 花池西路28 号 (72)发明人 张玉　董春　康风光　亢晓琛　 赵荣　栗斌　 (74)专利代理 机构 北京星通盈泰知识产权代理 有限公司 1 1952 专利代理师 葛战波 (51)Int.Cl. G06F 16/29(2019.01) G06Q 50/26(2012.01) (54)发明名称 面向载体精细提取的国外人口空间集成方 法和系统 (57)摘要 本申请公开了面向载体精细提取的国外人 口空间集成方法和系统， 涉及人口空间化领域， 该方法包括： S1， 获取并处理国外多级行政区划 人口统计数据、 多源地理空间数据， 构建标准化 数据结构框架； S2， 将国外人口统计数据与行政 区划界线矢量数据进行空间匹配； S3， 基于全球 30米地表覆 盖数据并融合其他多源数据， 精细化 提取国外人口分布载体； S4， 基于行政区划和人 口分布载体进行空间要素与人口要素空间集成 辅助因子提取； S5， 基于分区策略的多因子逐步 融合建模方法， 开展人口空间集成与精度验证。 本发明提供的方案解决了国外人口分布载体不 明、 国外人口统计数据尺度过粗、 国外精细尺度 人口获取难度大的问题。 权利要求书4页 说明书11页 附图6页 CN 115544199 A 2022.12.30 CN 115544199 A 1.面向载体精细提取的国外人口空间集成方法， 其特 征在于， 包括： S1， 获取并处理国外多级行政区划人口统计数据、 多源地理空间数据， 构建标准化数据 结构框架； S2， 将国外人口统计数据与行政区划界线矢量数据进行空间匹配； S3， 基于全球30米地表覆盖数据并融合DEM数据和 OSM数据， 精细化提取国外人口分布 载体； S4， 基于行政区划 和人口分布载体进行空间要素与人口要素空间集成辅助因子提取； S5， 基于分区策略的多因子逐步融合建模方法， 开展人口空间集成与精度验证。 2.如权利要求1所述的方法， 其特征在于， 所述构建标准化数据 结构框架的方法具体包 括： S11： 通过网站下 载对应国家或地区的最 新年份、 不同格式的人口统计数据； S12： 基于表结构， 设计标准 化人口数据结构框架； S13： 根据标准 化表结构， 录入 对应多级政区人口统计信息； S14： 依据国家公开的地名标准以及现有地名库， 对不同国家语言转译为中文； S15： 对人口数据进行核验， 填补缺失人口数据， 保证同一级别行政区人口统计数据初 始值完整， 形成标准 化数据表。 3.如权利要求2所述的方法， 其特 征在于， 所述 填补缺失人口数据的方法具体包括： S151： 采用公开渠道上对应的人口数据进行补充； S152： 若通过公开渠道获取不到对应人口数据， 分析人口缺失数据特征， 对于相关系数 大于0.5的人口缺失数据， 通过R软件对人口缺失数据变量和已有变量建立回归模型， 用缺 失变量的预测值插补人口缺失值； S153： 采用基于 重复模拟的多重插补法插补步骤S152中不能插补的人口缺失值。 4.如权利要求1所述的方法， 其特征在于， 所述将国外人口统计数据与 行政区划界线矢 量数据进行空间匹配的方法具体包括： S21： 比对国外人口统计数据与行政区划界线矢量数据中的行政区划代码和行政区划 名称， 提取其数据中不一致的行政区划名称， 对于不一致的行政区划名称， 通过查询其国家 行政区划变更相关资料， 下载对应国家或地区的各级行政区划界线数据， 确定行政区划矢 量数据与人口统计数据的对应关系， 进 而修正行政区划矢量数据； S22： 修正后， 通过公共字段 “行政区划名称 ”， 利用关联方法将人口统计信息字段追加 到行政区划矢量数据图层， 完成行政区划界线矢量数据与人口统计数据的空间匹配关联。 5.如权利要求1所述的方法， 其特征在于， 所述精细化提取国外人口分布载体的主要环 节具体包括： S31： 人工地表图斑提取、 拼接与融合： 下载全球30米地表覆盖数据， 建立30米地表覆盖 国家分幅数据接图表， 并按行列号编码， 建立国家与30米地表覆盖国家分幅数据的对应关 系， 根据“08”代码值， 提取全球30米地表覆盖数据中人工地表要素， 并转为矢量格式， 得到 人工地表矢量数据， 基于图幅存储的数据拼接方式， 按照特定一个国家或多个国家边界裁 剪， 得到特定一个国家或多个国家的人工地表数据， 下载土地利用数据， 并根据 “flcass”属 性字段值， 提取居住地图斑数据， 将人工地表数据与居住地图斑数据进 行融合， 并对人工地 表数据与居住地图斑数据的来源进行分别标识；权　利　要　求　书 1/4 页 2 CN 115544199 A 2S32： 水域掩膜提取： 结合OSM数据中现势性一致的水域要素， 按位置查找， 去除完全位 于水域内人工地表； S33： 异常图斑识别： 通过位置选择方法筛选与国界相交的人工地表图斑， 结合目视判 别方式， 不断调整面积阈值， 直至边界处所有细碎图斑均被提取， 然后按照属性选择和擦除 方法筛选并去除面积小的异常图斑； S34： 去除非居住用地： 结合OSM数据中土地利用类型， 并结合遥感影像数据， 筛选并擦 除不适合居住的土地利用类型； S35： 高海拔无人区识别与去除： 下载全球DEM高程数据， 结合DEM高程数据， 提取人工地 表图斑的高程 值， 去除海拔高程大于一定阈值的人工地表； S36： 狭长人工地表识别与去除： 通过人机交互方式， 综合考虑人工地表的大小、 分布、 形态特征， 确定人工地表边界密度的拐点， 以此设置阈值， 并结合 纵、 横坐标的最大值、 最小 值、 宽度值以及三角网质心核密度分布， 去除狭长人工地表。 6.如权利要求1所述的方法， 其特征在于， 所述集成辅助因子提取的提取方法具体包 括： S41： 获取每个人口分布载体的面积， 下载校正后的NPP夜间灯光遥感数据， 利用栅格分 区统计方法， 得到每个人口分布载体单元的灯光亮度值， 按照所属行政区， 得到每个行政区 人口分布载体的总面积、 夜间灯光总亮度； S42： 下载路网数据， 计算对应行政区面积和该行政区范围内道路长度， 通过长度与面 积比值计算该行政区路网密度， 以人 口分布载体单元为中心， 以距离道路的平均距离为半 径构建空间缓冲区， 统计该缓冲区范围内道路的长度和缓冲区的面积， 计算缓冲区路网密 度， 将该路网密度值赋 给位于该缓冲区中心位置的人口分布载体单 元； S43： 下载全球30米分辨率DEM数据， 利用表面分析工具计算与人口统计数据同尺度的 行政区和每 个人口分布载体的地形因子； S44： 下载P OI数据， 计算与人口统计数据同尺度的行政区面积和该行政区范围内P OI数 量， 通过POI数量与面积比值计算该行政区POI密度， 以人口分布载体单元为中心， 以人口分 布载体单元面积为权重， 构建加权Voronoi图， 统计每个Voronoi图内POI数量与该Voronoi 图面积， 通过数量与面积比计算每个Voronoi图内POI密度， 将POI密度值赋给位于该 Voronoi图中心位置的人口分布载体单 元。 7.如权利要求1所述的方法， 其特征在于， 所述人口空间集成与精度验证的开展方法具 体包括： S51： 按照精细提取后的人工地表的面积比例， 计算每个精细提取后的人工地表初始人 口数， 并记为Pai， 即单一人工地表初始人口数； S52： 以初始分配对应的行政区为统计单元， 行政区人口统计值应与该行政区各人工地 表初始人口数的累加值相等， 如果两者不相等， 通过两者比值的近似值作为修正系数， 对该 修正系数迭代纠正， 直至行政区人口统计值与该行政区内所有人工地表初始人口数的累加 值完全相等时， 获取该修正系数， 将该修正系数与每个人工地表初始人口数相乘， 即可获取 每个人工地表人口估算 值； S53： 行政区单元含有若干子行政区单元， 基于子行政区单元， 计算人口空间集成相对 误差， 即子行政区内人工地表人口估算值和该子行政区人口统计值的差值与该子行政区人权　利　要　求　书 2/4 页 3 CN 115544199 A 3