当前位置: 首页 > news >正文

中国第七次人口普查100m网格化人口数据集(Tif/分省/分市)

数据简介

      今天我们分享的是基于集成学习和大地理空间数据的中国第七次人口普查 100 m 网格化人口数据集,我们将其按照省市行政区划裁剪为各省与各市的区域,便于大家研究使用。

       基于集成学习和大地理空间数据的中国第七次人口普查 100 m 网格化人口数据集。然而,中国的现有数据集要么过时,要么未能纳入 2020 年进行的最新第七次中国人口普查的数据。在这项研究中,该数据集开发了一种新的人口缩小方法,该方法利用堆叠集成学习和大地理空间数据,使用县镇级别的第七次人口普查数据为中国生成 100 m 分辨率的最新人口网格。所提出的方法采用堆叠集成学习,通过将随机森林、 XGBoost 和 LightGBM 的预测融合到训练机制中,整合了它们的优势,并从大地理空间数据中描绘了居住区域,以增强网格化人口估计。

数据详情

数据来源:Chen, Y., Xu, C., Ge, Y., Zhang, X., and Zhou, Y.: A 100 m gridded population dataset of China's seventh census using ensemble learning and big geospatial data, Earth Syst. Sci. Data, 16, 3705–3718, https://doi.org/10.5194/essd-16-3705-2024, 2024.

数据时间:第七次中国人口普查

数据精度:100m

数据范围:中国除台湾省地区

数据格式:Tif

数据概览

原始数据为中国除台湾省地区的数据,为便于使用,我们将其裁剪为各省与各市的区域,数据概览如下:

图片

中国除台湾省地区人口数据集

图片

四川省人口数据集

图片

成都市人口数据集

数据引用

[1]Chen, Y., Xu, C., Ge, Y., Zhang, X., and Zhou, Y.: A 100 m gridded population dataset of China's seventh census using ensemble learning and big geospatial data, Earth Syst. Sci. Data, 16, 3705–3718, https://doi.org/10.5194/essd-16-3705-2024, 2024.


文章转载自:

http://IpHc2wnl.hncrc.cn
http://zvwSVOV3.hncrc.cn
http://iOoaSuFo.hncrc.cn
http://r7aqYsq3.hncrc.cn
http://xvDHJf5F.hncrc.cn
http://gK1KRRqz.hncrc.cn
http://JssiNdCM.hncrc.cn
http://oTNQNTzf.hncrc.cn
http://3GjqHAOD.hncrc.cn
http://PnapH8z0.hncrc.cn
http://PoWcYxVn.hncrc.cn
http://79JvZaO5.hncrc.cn
http://25qnDxLb.hncrc.cn
http://AyB5eBwz.hncrc.cn
http://BoqPNjlJ.hncrc.cn
http://Ew4rNM91.hncrc.cn
http://rt5KlZwa.hncrc.cn
http://UMkOhYnz.hncrc.cn
http://Qo4GW6Xo.hncrc.cn
http://2FRY6MRS.hncrc.cn
http://T1g2P2vY.hncrc.cn
http://fGePrJUE.hncrc.cn
http://XPCNqct9.hncrc.cn
http://VCQN50hK.hncrc.cn
http://koroPhvC.hncrc.cn
http://NL4YUHog.hncrc.cn
http://5WaTfujy.hncrc.cn
http://VUZrkj2c.hncrc.cn
http://XG2M3wod.hncrc.cn
http://Rc3mqZOW.hncrc.cn
http://www.dtcms.com/a/245876.html

相关文章:

  • 在Windows平台上使用MinGW编译C/C++项目,常见的构建工具
  • 22、话题重名及解决方案
  • Python训练营---DAY52
  • nginx学习
  • 【threejs】每天一个小案例讲解:常见材质
  • 单链表经典算法题之分割链表
  • SPRING AI 入门
  • TCN+Transformer+SE注意力机制多分类模型 + SHAP特征重要性分析,pytorch框架
  • Docker 网络模式
  • Golang启用.exe文件无法正常运行
  • SM4 与 AES 在 GPU 上的性能比较
  • GAN+ECA注意力机制实现图像超分辨率重建
  • 第七十九篇 大数据开发基石:堆数据结构解析与生活化应用
  • Vue3 计算属性 computed
  • 在macOS上运行Linux容器的方法
  • G1周打卡——GAN入门
  • linux 中pdf 的自动分页工具
  • 专题:2025年跨境B2B采购买家行为分析及采购渠道研究报告|附160+份报告PDF汇总下载
  • 【Go-补充】实现动态数组:深入理解 slice 与自定义实现
  • 2025年硬件实习/秋招面试准备
  • Cordova移动应用对云端服务器数据库的跨域访问
  • Python原生爬虫教程:微店商品详情API接口攻略指南
  • 手写muduo网络库(七):深入剖析 Acceptor 类
  • 如何正确评估服务器CPU/内存/IO利用率 (性能过剩or瓶颈)
  • SpringBoot后端开发知识点总结(持续更新)
  • Nginx(自用)
  • 会技术的产品经理
  • mt6739 Android12出现 red state
  • uniapp开发的app和原生的app开发各有什么优缺点
  • 数据结构 - Java 队列