摘要
中国东部沿海包括9个省份和2个直辖市（不含港澳台），是中国人口分布最稠密、城市化扩张最迅猛的区域，同时也是是中国自然灾害种类最丰富、活动最频繁的地区。随着全球海平面的上升，沿海灾害事件变得越加剧烈，对沿海当地居民的威胁愈发强烈，造成的损失也愈发严重。因此，准确的沿海人口暴露分布图就显得至关重要，它可以帮助我们进一步了解受影响人口的位置和特征，更好地理解全球海平面上升带来的影响，为相关部门制定有效的防灾减灾决策提供支持。 本文利用集成学习组合随机森林、Cubist、人工神经网络这三种机器学习算法，融合多源的卫星遥感数据和地理空间大数据——兴趣点（Pointsofinterest，POIs），构建中国沿海11个省份和直辖市（不含港澳台）的人口空间化模型，将县市尺度的第六次人口普查数据格网化，绘制得到100米空间分辨率的人口分布图层。然后将沿海低地（LowElevationCoastalZones，LECZ）作为暴露区间，统计分析中国在沿海低地范围内陆地面积和人口暴露的数量和分布。最后，量化并比较分析了多种数字高程模型与多种人口空间化结果的组合叠加对暴露评估结果造成的不确定性。本文研究方法和成果主要包含下列三大部分： 一、基于集成学习制作了高空间分辨率的中国沿海省份的人口分布图。本文将绘制的人口数据集与WorldPop人口数据集，在街道尺度上进行精度验证。结果表明新发展的人口数据集具备更高的精度。然后进一步比较了不同机器学习方法模拟结果的差异，以及POI数据对建模的贡献，发现POI数据有效的改善了人口在高密度区的分布。 二、根据数字高程模型ALOS和集成学习得到的人口数据集（EnsemblePop）估算出中国沿海低地的陆地面积和人口暴露。其中，陆地面积为182375km2，占沿海省份面积的14.11%，占全国总面积的1.89%。人口暴露为17373.19万人，占全国总人口数的13.04%，主要集中在天津市、广东省、长三角经济区，占人口暴露总数的八成以上。 三、定量比较不同的输入数据集在沿海低地暴露评估中的差异。本文使用ALOS、SRTM、NASADEM这三种数字高程模型以及EnsemblePop、WorldPop、LandScan这三种人口密度数据集，对沿海低地的陆地面积和人口暴露进行了定量评估和比较。估算结果显示，暴露在整个中国沿海低地范围内的人口总量范围从121.55（ALOS，LandScan）到206.36（SRTM，EnsemblePop）百万人。在低洼地带，估算不确定性更为显著，海拔1m处人口暴露范围从3.59（SRTM，LandScan）到23.46（NASADEM，EnsemblePop）百万人，估算误差高达550%。评估的巨大不确定性表明目前一些数据集所固有的差异客观存在，在选择数据时应该谨慎考虑研究区域和研究目的。
NETL