数据集（库）目录

出版期刊|区域分类

2025年第05期
2025年第04期
2025年第03期
2025年第02期
2025年第01期
2024年第12期
2024年第11期
2024年第10期
2024年第09期
2024年第08期
2024年第07期
2024年第06期
2024年第05期
2024年第04期
2024年第03期
2024年第02期
2024年第01期
2023年第12期
2023年第11期
2023年第10期
2023年第09期
2023年第08期
2023年第07期
2023年第06期
2023年第05期
2023年第04期
2023年第03期
2023年第02期
2023年第01期
2022年第12期
2022年第11期
2022年第10期
2022年第09期
2022年第08期
2022年第07期
2022年第06期
2022年第05期
2022年第04期
2022年第03期
2022年第02期
2022年第01期
2021年第12期
2021年第11期
2021年第10期
2021年第09期
2021年第08期
2021年第07期
2021年第06期
2021年第05期
2021年第04期
2021年第03期
2021年第03期
2021年第02期
2021年第01期
2020年第09期
2020年第08期
2020年第07期
2020年第06期
2020年第05期
2020年第04期
2020年第03期
2020年第02期
2020年第01期
2019年第06期
2019年第05期
2019年第04期
2019年第03期
2019年第02期
2019年第01期
2018年第08期
2018年第07期
2018年第06期
2018年第05期
2018年第04期
2018年第03期
2018年第02期
2018年第01期
2017年第04期
2017年第03期
2017年第02期
2017年第01期
2016年第09期
2016年第08期
2016年第07期
2016年第06期
2016年第05期
2016年第04期
2016年第03期
2016年第02期
2016年第01期
2015年第02期
2015年第01期
2014年第02期
2014年第01期
中国
亚洲
大洋洲
非洲
欧洲
北美洲
南美洲
南极洲
全球数据
数据详情

规范人口密度随机森林模型建模流程的掩膜系统石家庄市实证数据集


温佩璋1苏昭文1刘劲松*1,2姚海芳3李玲玲1
1 河北师范大学地理科学学院，石家庄0500242 河北省环境变化遥感识别技术创新中心，河北省环境演变与生态建设重点实验室，河北师范大学地理计算与规划研究中心，石家庄 0500243 河北师范大学家政学院 石家庄 050024

DOI:10.3974/geodb.2025.05.08.V1

出版时间:2025年5月

网页浏览次数：152       数据下载次数：3      
数据下载量：3.78 MB      数据DOI引用次数：

关键词：

掩膜,人口密度,随机森林模型,石家庄

摘要:

掩膜（Mask）是构建人口密度随机森林模型的辅助技术。作者以河北省石家庄市数据为模拟实证数据，构建掩膜系统。本数据集依据2020年石家庄市行政边界数据的基础地理参数（左下角坐标、投影等），使用ArcGIS 10.2创建渔网工具，构建覆盖石家庄市全区的公顷网格（即100 m×100 m）；在此基础上，进行按位置选择、矢栅转换和随机抽样等空间操作，依次生成各类掩膜。该数据集包含控制型掩膜（研究区掩膜、分区掩膜、计算掩膜、分区计算掩膜和总抽样框掩膜）、与抽样相关的掩膜（抽样框掩膜和抽样掩膜）、分区密度制图掩膜（县掩膜、乡掩膜）和检验掩膜（信度检验掩膜、效度检验掩膜和边界检验掩膜）。数据集空间分辨率为100 m。数据集存储为.tif格式，一共由67个数据文件组成，数据量为39 MB，（压缩为1个文件，1.25 MB）。基于该数据集的研究论文拟发表在《地理学报》2025年80卷6期。

基金项目：

国家自然科学基金（42071167，40871073）；中华人民共和国科学技术部（2019QZKK0406）；河北省自然科学基金（D2007000272）；河北师范大学（L2024ZD07）

数据引用方式：

温佩璋, 苏昭文, 刘劲松*, 姚海芳, 李玲玲. 规范人口密度随机森林模型建模流程的掩膜系统石家庄市实证数据集[J/DB/OL]. 全球变化数据仓储电子杂志(中英文), 2025. https://doi.org/10.3974/geodb.2025.05.08.V1.

参考文献：

[1] Leyk, S., Gaughan, A. E., Adamo, S. B., et al. The spatial allocation of population: a review of large-scale gridded population data products and their fitness for use [J]. Earth System Science Data, 2019, 11(3): 1385-1409.
     [2] Wardrop, N. A., Jochem, W. C., Bird, T. J., et al. Spatially disaggregated population estimates in the absence of national population and housing census data [J]. PNAS, 2018, 115(14): 3529-3537.
     [3] 刘艺, 杨歆佳, 刘劲松. 基于随机森林的人口密度模型优化试验研究[J]. 全球变化数据学报, 2020, 4(4): 402-416.
     [4] 风笑天. 社会研究方法(第5版)[M]. 北京: 中国人民大学出版社, 2018: 75-76.
     [5] 李玲玲, 刘劲松, 李智等. 人口密度随机森林模型优化实验研究[J]. 地理学报, 2023, 78(5): 1304-1320.
     [6] Li, L. L., Liu, J. S., Li, Z., et al. Experimental study of population density using an optimized random forest model [J]. Journal of Geographical Sciences, 2024, 34(8): 1636-1656.
     [7] 沈焕锋, 钟燕飞, 王毅等. ENVI遥感影像处理方法[M]. 武汉: 武汉大学出版社, 2009: 165-170.
     [8] 刘劲松. 人口密度尺度推绎中可塑性面积单元问题的地理学解释[D]. 石家庄: 河北师范大学, 2009.
     [9] 郑度, 欧阳, 周成虎. 对自然地理区划方法的认识与思考[J]. 地理学报, 2008, 63(6): 563-573.
     [10] 温佩璋, 苏昭文, 刘劲松等. 论规范人口密度随机森林模型建模流程的掩膜系统[J]. 地理学报, 2025, 80(6): 1556-1571.
     

数据下载:

序号 数据名 数据大小 操作
1 SJZ_Masksystem_2020.rar 1290.33KB
主管单位