时空社会科学：栅格数据的重要性

社会现象在空间上的存在，可能是很有规则的分布，也可能是不规则的分布。对于社会现象的空间呈现，因此，也有不同的方式。其中一种方式就是把空间上的社会现象按照规则的网格进行分解，形成了很多网格空间上的社会呈现。这个过程，就是社会现象网格化的过程，是一种分解的过程。通过这种过程产生的数据，就是所谓的栅格数据（raster data）。从地理学的定义来说，栅格数据是按网格单元的行与列排列、具有不同灰度或颜色的阵列数据。每一个单元（像素）的位置由它的行列号定义，所表示的实体位置隐含在栅格行列位置中，数据组织中的每个数据表示地物或现象的非几何属性或指向其属性的指针。从社会学的角度来理解，社会现象的栅格数据其实是根据一定规格的标准网格来分解具体的社会现象，把现实中形象的社会现象投射到二维平面空间上去。因此，对于社会现象而言，其栅格数据的生成过程，也是社会现象的投射过程。因为有一个投射过程，所以，就可能存在社会信息的过滤和缺失，导致栅格数据在社会分析过程中存在一定的局限性。在《地理社会学》一书中，关于栅格数据在社会分析中的应用，有如下论述：“栅格代表在描述空间连续的地理属性上是有用的， 比如地形海拔或者遥感卫星测量的土地覆盖数据（比如城市语农业土地使用）。但是，对于描绘很多包括街道网络、政治和行政面积、关于态度或人口类型的调查数据在内的社会数据，栅格往往不是很有用。”（Porter and Howell 2013）为了说明栅格数据在社会分析中的局限性，在这部书的图6.2中，还专门通过两张图进行比较的方式，来直观呈现栅格数据的不足。当然，在开展时空社会科学研究时，栅格数据依然是重要的数据来源。例如，威廉·诺德豪斯的地—经济学（G-Econ）项目，就是把全球GDP根据一个经度和一个纬度的栅格进行测算，得到了测量全球经济获得的重要的栅格数据。

当然，在社会分析中，栅格数据也有其独到之处。在社会管理中，基于栅格数据的网格化管理，应用范围比较广泛。社会系统中的网格化管理，是社会运作的一种重要制度。在中国，这种管理方式可以追溯到古代的保甲制度。在汉代，五家为“伍”，十家为“什”，百家为“里”，构成了社会基层的网格化管理方式。在唐朝，四家为“邻”，五邻为“保”，百户为“里”，尽管计算方式有所不同，但是依然沿用的是网格化管理思想及其制度。这种基层社会管理模式，在进行社会空间分析时，需要通过映射（dasymetric mapping）的方式来进行。在空间分析中，“映射”或者“降尺度（downscaling）”都是专业术语，常用在环境研究中。但是，这种方式在社会学和人口学研究中也有应用。通过把人口普查数据和空间数据进行整合，进而映射到特定尺度的栅格上，就能形成人口栅格数据，就可以进行人口网络化社会管理的研究以及政策分析（Gallego 2010）。这种研究思路的核心还是社会现象的网格化后形成栅格数据，在此基础上进行深度分析。在实际研究中，会有诸多因素影响研究的结果，比如网格大小的划分标准、社会变量的特征以及数据的可获得性。网格大小的划分标准是个很敏感的因素。网格划分的越小，意味着社会分析的精准度越高，但是，对数据的要求也就越高，意味着符合条件的社会数据的可获得性就越差。所以，采用这种方法进行社会分析时，往往需要在分析的精准度和数据以及预算的可获得性上进行权衡。网格化社会管理其实是社会时空网络方法的一种现实应用。网格与网格之间往往是有关联的，就形成了社会时空网络。在此基础上进行社会治理，能够有效提高公共管理的效率。(www.xing528.com)

社会系统运行过程中的栅格数据，可以与自然系统中的栅格数据结合起来进行分析，有助于把社会现象放在特定的自然环境中进行分析，便于揭示社会与自然的互动关系。在实际研究过程中，往往需要把社会现象与地形、土地利用、道路交通、河网水系以及居民点等环境要素之间进行整合性分析。有了栅格数据，就能够从定量角度分析社会现象与自然环境之间的关系。目前，国际上较有影响的全球人口空间化项目有全球栅格人口数据库（Gridded Population of the World，简称GPW）、全球资源信息数据库（Global Resource Information Database，简称GRID）和LandScan（LandScan Population Distribution Database）。GPW由哥伦比亚大学的国际地球科学信息网络中心建立，已分别在1995、2000、2005、2015年公布了4 个版本。^[1] 这4个版本都使用人口统计数据和相应的行政区划数据，通过将人口统计数据转化为栅格形式来表现全球范围内的人口分布情况，但都未考虑影响人口分布的环境因素。GRID在联合国环境发展计划推动下始建于1985年，其中的Sioux Falls数据集提供了不同年份的非洲、亚洲、拉丁美洲与加勒比海人口分布数据集，以及1990年的全球人口分布数据。^[2] 这个数据集除了人口密度之外，还考虑了人口分布与交通通达性之间的关系。LandScan全球人口动态统计分析数据库由美国能源部橡树岭国家实验室（ORNL）开发，使用人口普查数据、行政区划数据以及土地覆盖数据、道路、高程、坡度、海岸线数据高分辨率卫星影像及夜间灯光影像数据而生成的世界范围内人口分布数据库。^[3] 这些数据集充分发挥了栅格数据的特点，为开展时空社会科学的研究提供了重要的支撑。