基于卫星灯光数据的城市扩展效应分析
DMSPOLS夜间灯光影像中国区域的校正及应用
DMSPOLS夜间灯光影像中国区域的校正及应用一、本文概述本文旨在探讨DMSPOLS夜间灯光影像在中国区域的校正方法及其应用。
DMSPOLS(Defense Meteorological Satellite Program Operational Linescan System)是一种重要的遥感数据源,能够提供全球范围内的夜间灯光信息,对于城市扩张、经济发展、能源消耗等研究领域具有广泛的应用价值。
然而,由于传感器本身及大气条件等多种因素的影响,DMSPOLS夜间灯光影像在实际应用中往往存在亮度失真、噪声干扰等问题,影响了其数据的准确性和可靠性。
因此,对DMSPOLS夜间灯光影像进行校正处理,以提高其数据质量,对于后续的应用研究具有重要意义。
本文首先介绍了DMSPOLS夜间灯光影像的基本原理和特点,分析了其在中国区域的应用价值和潜力。
随后,针对DMSPOLS夜间灯光影像中常见的亮度失真、噪声干扰等问题,本文提出了一种基于统计分析和图像处理的校正方法,并对其校正效果进行了实验验证。
在此基础上,本文进一步探讨了校正后的DMSPOLS夜间灯光影像在城市扩张监测、能源消耗评估等实际应用领域中的潜力与价值。
本文的研究不仅为DMSPOLS夜间灯光影像的校正处理提供了一种有效的方法,同时也为其在中国区域的实际应用提供了有益的参考和借鉴。
通过本文的研究,我们可以更好地利用DMSPOLS夜间灯光影像数据,为城市规划、环境保护、经济发展等领域提供更加准确、可靠的信息支持。
二、DMSPOLS夜间灯光影像校正方法对于DMSPOLS夜间灯光影像在中国区域的应用,校正步骤至关重要,它能够显著提高影像的质量和精度,从而增强其在各种应用中的效能。
校正过程主要包括辐射校正和几何校正。
辐射校正主要是用来消除或减小由于传感器本身特性、大气条件、太阳位置等因素引起的辐射误差。
这包括相对辐射校正和绝对辐射校正。
相对辐射校正主要是消除影像内部不同像元之间的亮度差异,使得同一地物在不同时间、不同角度的影像上具有相同的亮度值。
基于夜间灯光数据的中国城市扩展研究
基于夜间灯光数据的中国城市扩展研究作者:郑雅昕李苗刘玉琴满浩然来源:《科技创新与应用》2020年第31期摘 ;要:利用夜间灯光数据作为数据源,通过提取1995年、2000年、2005年、2010年和2015年建成区范围,对中国城市扩展进行研究。
结果表明:中国近20年来城市建成区面积呈指数增长,各地区扩展速度差异不大,扩展强度变大和变小交替存在。
关键词:城市扩张;夜间灯光数据;DMSP/OLS;NPP/VIIRS中图分类号:P237 文献标志码:A ; ; ; ; 文章编号:2095-2945(2020)31-0066-03Abstract: Night light data was selected as a data source, by extracting the built-up areas in 1995, 2000, 2005, 2010 and 2015, this paper studies the urban expansion. The results show that the area of urban built-up areas in China has grown exponentially in the past 20 years, and there is little difference in the expansion speed of each region. The expansion intensity has been increasing and decreasing alternately.Keywords: Urban expansion; Nighttime lighting data; DMSP/OLS; NPP/VIIRS1 概述自1978年改革開放以来,随着经济的飞速发展和人口的增加,中国城市进入高速扩张阶段。
高速的城市扩张会导致城市交通拥堵、农业耕地减少、生态环境恶化等一系列问题[1],因此研究中国近年来城市扩张规律对科学建设和城市规划、促进各地区协调发展具有重大意义。
基于卫星灯光数据的城市扩展效应分析——以武汉市为例
154商业经济研究 2019年15期引言及时、客观的遥感卫星夜间灯光数据已被学者们证明与人类的社会经济生活有着很强的相关性,获取夜间灯光数据与社会经济指数的相关性信息,对预测修正具有时间延迟、不准确问题的社会经济指数具有重大意义(张俊,2017;范子英等,2016;徐康宁等,2015;卓莉等2015)。
王贤彬等(2017)指出在国家和地区层面上,夜间灯光亮度是代表GDP 的一个较好指标,灯光亮度的变化率可以作为GDP 增长率的代理变量,结合经济统计数据和夜间灯光亮度等指标可以提高人们度量国家或地区经济绩效的准确性。
在我国,灯光数据的相关研究主要集中在预测人口、经济、城市建成区面积、碳排放量检测、贫困人口识别以及能源消费等领域(马忠玉、肖宏伟,2017;潘竟、胡艳兴,2016;杨洋等,2016;柴宝慧等,2016;陈晴等,2014;吴健生等,2014)。
本课题的研究也与新近的少数基于全球夜间灯光亮度数据考察我国区域经济问题的文献相关,即用灯光数据代理区域GDP 总量。
在社会经济发展的今天,用GDP 这个单一指标来度量地区发展显然已经不能满足时代要求。
这就要求能有一个复合变量既能够代表地区经济发展,又能够代表人口集聚和基础设施发展水平,而卫星灯光数据是衡量地区发展与城市化扩张的有效指标(苏泳娴等,2015;郝蕊芳等,2014)。
随着我国城市化进程的加快,城市发展带来的经济效应引发学者们的激烈讨论,然而不同城市发展模式的华忆迪1、2 博士生 陈海涛1 副教授(1、宁波职业技术学院2、宁波诺丁汉大学 浙江宁波 315000)基金项目:2018宁波市社科规划课题“宁波与长江中游城市群产业转移与合作研究”(G18-ZXYY04);2018年度浙江省教育厅高等学校访问工程师校企合作项目资助中图分类号:F299 文献标识码:A经济效应存在差异(王振乾,2016;赵向阁,2016;张红等,2015)。
以武汉市为例,一城独大的单中心城市发展模式究竟是促进了地区经济发展,还是拉大了区域经济发展差距值得深入研究。
基于高精度卫星影像的城市热岛效应分析方法
基于高精度卫星影像的城市热岛效应分析方法随着城市化进程的加速,城市热岛效应成为一个全球性的问题。
城市热岛效应指的是城市内部相较于周围农村地区温度更高的现象。
热岛效应的出现给城市带来了许多不利影响,如增加能源消耗、加剧气候变化等。
因此,准确分析城市热岛效应的变化和影响成为了城市规划和生态环境保护的重要课题。
高精度卫星影像广泛应用于城市热岛效应的分析中,其可提供大范围、高分辨率的空间数据。
在基于高精度卫星影像的城市热岛效应分析中,一般可以采用以下几个步骤:1. 高精度卫星影像获取与处理首先,需要获取高精度卫星影像数据。
这些数据可以从相关机构或卫星影像提供商处购买或申请。
获取到卫星影像后,需要进行处理,消除大气、云层等因素对影像的遮挡和干扰,以得到清晰的城市影像。
2. 热岛区划分通过对城市卫星影像进行图像分割和分类,可以将城市划分为不同的区域。
常见的方法包括基于像元值的阈值分割和基于像元组合特征的聚类分析。
通过热岛区划分,可以获得不同区域的温度分布情况。
3. 温度计算与分析利用高精度卫星影像中的热红外信息,可以计算城市不同区域的温度。
一种常见的方法是通过反射率与温度的关系模型,将卫星影像中的灰度值转化为温度值。
通过对温度数据进行统计分析和空间插补,可以得到城市的温度分布图。
4. 影响因素分析城市热岛效应的形成与多个因素相关,如建筑物密集度、绿地覆盖率、土地利用方式等。
利用高精度卫星影像的多光谱信息,可以对这些因素进行提取和分析。
通过对不同因素与温度之间的关系进行统计和建模,可以揭示城市热岛效应的形成机制,并为城市规划和环境改善提供指导。
5. 预测与模拟基于高精度卫星影像的城市热岛效应分析还可以进行未来的预测和模拟。
通过建立城市热岛效应的动态模型,利用历史数据和影响因素的变化趋势,可以预测未来城市温度的变化。
这对城市规划者和决策者来说具有重要意义,可以帮助他们制定相应的措施来应对城市热岛效应的影响。
综上所述,基于高精度卫星影像的城市热岛效应分析方法具有广泛的应用前景。
基于北京城市卫星遥感影像的城市扩张与规划研究
基于北京城市卫星遥感影像的城市扩张与规划研究第一章前言北京市是我国的首都,也是我国的政治、文化中心。
近年来,随着城市化进程的不断加快,北京城市区域不断扩张。
如何有效规划城市,控制城市的扩张,成为了当下一个重要的问题。
城市规划需要大量的数据支撑。
城市卫星遥感影像是获取城市信息的一种有效手段。
本文将以北京城市卫星遥感影像为研究对象,探究北京城市扩张与规划的问题。
第二章北京城市扩张状况的分析2.1 城市扩张概述城市扩张是指城市向外不断扩展其辖区,增加城市面积、人口、举办各类工业、商业和文化事业,实现城市功能的新的增量,形成城市聚集区和城市群。
城市扩张是城市发展的必然趋势。
2.2 北京城市扩张的现状北京市面积日益增大,人口数也在不断上升。
据统计,2019年北京市的常住人口已经超过了2150万人,是1990年的3倍。
城市规模不断扩大,城市边缘地带的土地资源大量消耗。
同时,城市扩张也带来了一些负面影响,如环境污染、交通拥堵等。
第三章城市规划的必要性3.1 城市规划的概念城市规划是对城市空间结构进行综合规划、组织和控制的一种制度和活动。
目的在于引导城市的发展和变化,使其满足日益增长的社会经济和人口需求。
3.2 城市规划的意义城市规划对于城市的可持续发展具有重要意义。
城市规划可以引导城市的发展,合理利用城市资源,降低环境污染、交通拥堵等负面影响。
同时,城市规划也可以提升城市形象和竞争力,带动城市经济发展。
第四章基于卫星遥感影像的城市扩张与规划研究4.1 卫星遥感影像在城市规划中的应用卫星遥感影像具有广覆盖、高分辨率、周期性强等优点,可为城市规划提供大量信息。
卫星遥感影像可以对城市边缘地带土地利用状况、建筑密度、绿地覆盖率等进行精准测算,为城市规划提供可靠数据支持。
4.2 基于北京卫星遥感影像的城市扩张与规划研究基于北京卫星遥感影像,我们可以对北京城市扩张的情况进行详细分析。
通过对卫星遥感影像的解译,可以获得北京城市扩张的时间、范围、速度等详细数据。
基于夜间灯光数据的山东省城市扩展时空格局
第35卷第4期2020年8月㊀㊀㊀㊀㊀㊀㊀㊀山东建筑大学学报JOURNALOFSHANDONGJIANZHUUNIVERSITY㊀㊀㊀㊀㊀㊀㊀㊀㊀Vol.35No.4Aug.2020收稿日期:2020-06-11基金项目:教育部人文社会科学研究规划基金项目(12YJA790019)ꎻ山东省社会科学规划项目(14DGLJ06)作者简介:张智璇(1997-)ꎬ女ꎬ在读硕士ꎬ主要从事3S技术在城市建设及其管理中的应用等方面的研究.E ̄mail:ycssch8023@163.com通讯作者∗:单宝艳(1970-)ꎬ男ꎬ教授ꎬ硕士ꎬ主要从事GIS空间分析与区域规划等方面的研究.E ̄mail:shan7066@sdjzu.edu.cnDOI:10.12077/sdjz.2020.04.008基于夜间灯光数据的山东省城市扩展时空格局张智璇ꎬ单宝艳∗ꎬ王俊凝ꎬ刘洋洋ꎬ林琪凯(山东建筑大学测绘地理信息学院ꎬ山东济南250101)摘要:采用夜间灯光数据分析城市扩展时空格局有助于全面分析各地城镇化水平和区域空间结构ꎮ文章基于夜间灯光数据和统计数据ꎬ构造能较全面反映城市扩展的综合指标ꎬ运用热点分析等GIS空间分析方法研究了山东省城市空间扩展的时空特点和规律ꎮ结果表明:山东省城市扩展综合指标增长量和增长率的空间格局差异明显ꎬ2007 2012和2012 2017年间ꎬ增长量较大的主要为各设区城市等城市规模较大的城市ꎬ其增长率大多处于中低水平ꎬ增长率较高的主要位于鲁西㊁鲁西北和鲁南的部分市县ꎻ山东省城市扩展综合指标增长量和增长率的冷热点时空差异明显ꎬ增长量热点由山东省中部转移到东部沿海地区ꎬ增长率热点由西北部㊁西南部转移到西部㊁南部ꎬ冷点由西南部转移到东北部ꎮ关键词:夜间灯光数据ꎻ城市扩展ꎻ时空格局ꎻ热点分析中图分类号:K902㊀㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀㊀文章编号:1673-7644(2020)04-0051-09Thespatial ̄temporalpatternofurbanexpansioninShandongProvincebasedonnightlightdataZHANGZhixuanꎬSHANBaoyan∗ꎬWANGJunningꎬLIUYangyangꎬLINQikai(SchoolofSurveyingandGeo ̄informaticsꎬShandongJianzhuUniversityꎬJinan250101ꎬChina)Abstract:Thenightlightdatastudyonthespatial ̄temporalpatternofurbanexpansionisofgreatsignificancetotheanalysisofurbanizationlevelandregionalspatialstructure.BasedonthenighttimelightdataandstatisticaldataꎬthispaperconstructscomprehensiveindexwhichreflectsurbanexpansioninarelativelycomprehensivewayꎬandusethemethodsofhotspotanalysisandotherGISspatialanalysistostudytimeandspatialcharacteristicsandrulesofurbanspatialexpansioninShandongProvince.TheresultsshowthatthereareobviousdifferencesinthespatialpatternofthegrowthamountandgrowthrateoftheurbanexpansioncomprehensiveindexinShandongProvince.During2007-2012and2012-2017ꎬthecitieswithlargegrowthamountaremainlythecitieswithlargescaleꎬsuchasthecitiesdividedintodistrictsꎬbuttheirgrowthratesaremostlyinmiddleorlowlevel.TheregionswithhighergrowthratearemainlylocatedinwestꎬnorthwestandsouthofShandongProvince.Thereareobviousspace ̄timedifferencesinthehotandcoldspotsofthegrowthamountandrateofcomprehensiveindexofurbanexpansioninShandongProvince.TheGrowthhotspotwereshiftfromcentraltoeasterncoastalareasofShandong.ThehotspotsofgrowthwereshiftfromthenorthwestꎬthewesttothewestꎬthesouthofShandong.ThemaincoldspotswereshiftfromthesouthwesttothenortheastofShandong.Keywords:nightlightdataꎻurbanexpansionꎻspatial ̄temporalpatternꎻhotspotanalysis52㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀山东建筑大学学报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀2020年㊀0㊀引言城市是人口㊁资源㊁环境和各种社会经济因素高度集合的综合体ꎬ在区域经济发展进程中发挥着核心作用ꎬ城市空间扩展直接带动区域空间结构的改变ꎮ国内外学者对城市扩展的研究一般基于传统统计数据以及Landsat㊁SPOT等遥感数据[1-2]ꎬ主要运用神经网络分类㊁监督分类㊁归一化建筑指数㊁极限学习机㊁构造CLUE-S模型㊁城市年轮模型等方法对城市扩张进行模拟分析[3-14]ꎬ研究内容主要集中于城市扩展的特征㊁驱动力㊁空间格局和演变格局等方面ꎮ基于传统统计数据的城市扩展研究存在着时效性较差等问题ꎮ1978年ꎬCroft首次提出运用DMSP/OLS夜间灯光数据进行城市建成区提取[15]ꎮ自此以后ꎬ夜间灯光数据在城市用地提取方面的研究受到了广泛关注ꎮ夜间灯光数据为提取城市建设用地信息[16]㊁测算城市发展空间格局演变[17-22]以及推测城市城镇化水平[23]等提供了可靠的数据来源ꎮ夜间灯光数据既能提取城市建成区ꎬ也可反映区域经济发展水平ꎮ有关学者采用相关分析和回归分析等方法ꎬ对夜间灯光总辐射率与人口总数[24-31]㊁GDP数据[32-33]之间的关系进行分析ꎬ以城市为统计单元ꎬ发现夜间灯光亮度总值和统计人口总数㊁GDP等经济因子之间呈现显著的相关性ꎬ夜间灯光影像已成为反演社会经济发展水平的良好数据源ꎮ因此ꎬ与传统方法相比ꎬ采用不同年份夜间灯光数据提取城市建成区面积不仅可以反映城市建成区面积的变化ꎬ还可以反映城市建设质量㊁城镇人口㊁经济发展水平等内涵特征ꎮ目前ꎬ山东省正处于城市化高速发展阶段ꎬ城市范围不断扩展ꎬ由于各市县区位条件和经济发展水平的差异ꎬ各地城市化水平存在非均质性ꎬ城市扩展规模㊁强度和质量存在一定差异ꎮ文章基于传统统计数据和夜间灯光数据ꎬ对山东省各市建成区面积扩展与内涵增长进行综合分析ꎬ分析其扩展的空间格局和发展演变特点ꎬ对全面分析山东省各地城镇化水平和区域空间结构具有重要意义ꎮ1㊀数据来源及研究方法介绍山东省是经济大省ꎬ自2007年以来ꎬ经济总量稳居全国第3位ꎮ山东省内城市发展较快ꎬ2018年ꎬ山东省城市化率达到61.18%ꎬ山东半岛部分地区达到了70%以上ꎮ据统计ꎬ2001 2015年间ꎬ山东省城市建成区面积由119200km2增长到339800km2ꎬ年均增长率超过7%ꎬ明显超过全国的平均增长率6.21%ꎮ1.1㊀数据来源2007㊁2012和2017年的山东省各城市建成区面积及各经济指标来源于对应年份的«山东统计年鉴»和«山东省建设统计年报»ꎬ地图矢量文件来源于山东天地图(www.sdmap.gov.cn)ꎮ研究区以2017年底的山东省行政区划为基准ꎬ包括99个市县ꎮ各年份城市建成区统计面积数据处理时ꎬ涉及行政区域变更的全部统一到2017年底的行政区划ꎮ胶南市调整为黄岛区归并入青岛市ꎬ即墨市调整为即墨区归并入青岛市ꎬ章丘市调整为章丘区归并入济南市ꎬ垦利县调整为垦利区归并入东营市ꎬ兖州市调整为兖州区归并入济宁市ꎬ文登市调整为文登区归并入威海市ꎬ陵县调整为陵城区归并入德州市ꎬ沾化市调整为沾化区归并入滨州市ꎬ定陶县调整为定陶区归并入菏泽市ꎬ苍山县更名为兰陵县ꎬ文中地图审图号为:鲁SG(2019)066号ꎮ研究使用的两种夜间灯光数据均来源于NOAA网站(http://www.ngdc.noaa.gov/)ꎬ分别为美国军事气象卫星计划发射的DMSP卫星通过搭载OLS传感器获得的全球夜间灯光影像数据ꎬ以及NPOESSPreparatoryProject卫星系统搭载传感器得到的全球夜间灯光数据ꎬ时间序列为2007㊁2012和2017年ꎮ2007和2012年为DMSP/OLS影像ꎬ2017年为NPP/VIIRS影像ꎬ设定投影坐标系为WGS84/UTMzone51Nꎬ以2017年底山东省行政区划为边界对全球夜间灯光数据进行裁剪和地理配准ꎮ1.2㊀研究方法1.2.1㊀相关分析相关分析是研究变量之间相关性的分析方法ꎬ是使用适当的统计指标来描述客观事物之间关系紧密程度的过程ꎮ对于变量X=(x1ꎬx2ꎬx3ꎬ ꎬxi)㊁Y=(y1ꎬy2ꎬy3ꎬ ꎬyi)ꎬ其相关系数rxy由式(1)[34]表示为rxy=ðni=1(xi-x)(yi-y)ðni=1(xi-x)2ðni=1(yi-y)2(1)式中:x㊁y分别为变量X㊁Y的平均值ꎮ相关系数rxy介于-1和1之间ꎬ为正值时ꎬ两个变量为正相关ꎻ为负值时ꎬ两个变量为负相关ꎬr的绝对值越接近1ꎬ两个变量之间的相关性越强ꎬ越接近0ꎬ两个变量之间的关联程度越弱ꎻ而为0时ꎬ两变量无线性相关ꎮ1.2.2㊀热点分析热点分析又称Getis-OrdGi∗统计ꎬ其计算由式(2)[35]表示为㊀第4期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀张智璇ꎬ等:基于夜间灯光数据的山东省城市扩展时空格局㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀53㊀G∗i=ðnj=1wiꎬjxj-xðnj=1wiꎬjSnðnj=1w2iꎬj-(ðnj=1wiꎬj)2[]n-1(2)式中:xj为要素j的属性值ꎻwiꎬj为要素i和j之间的空间权重ꎻn为要素总数ꎻx和S分别由式(3)和(4)表示为x=ðnj=1xjn(3)S=ðnj=1x2jn-(x)2(4)Getis ̄OrdGi∗统计可使用ArcGIS10.3计算ꎬ计算结果输出Z得分和P值ꎬG∗i统计即为Z得分[36]ꎮ通过2个数值可以得到高值和低值要素在空间上发生聚类的位置ꎮZ为正值表现为热点ꎬ为负值表现为冷点ꎬ并且其绝对值越大ꎬ在空间上聚类效果越显著ꎮZ<-1.65或>1.65时ꎬ其要素反映置信度为90%的统计显著性ꎻZ<-1.96或>1.96时ꎬ其要素反映置信度为95%的统计显著性ꎻZ<-2.58或>2.58时ꎬ其要素反映置信度为99%的统计显著性ꎻZ得分接近0时ꎬ表示没有显著的空间聚类ꎮ2㊀基于夜间灯光数据的城市建成区面积提取2.1㊀城市建成区面积提取采用夜间灯光数据提取城市建成区面积ꎬ经常采用阈值法[37]ꎮ基于夜间灯光数据提取建成区面积的标准为:使其满足某一阈值的夜间灯光数据提取的总面积与当年的«山东统计年鉴»和«山东省建设统计年报»统计的全省城市建成区面积总和的差值最小ꎬ并且满足两者之间的误差平方和达到最小ꎮ具体提取方法为:(1)假设某年山东省夜间灯光度的灰度最大值为DNmax㊁最小值为DNminꎬ山东省建成区面积的潜在变量阈值DNxꎬ定义变量DNx为灰度值范围的平均值ꎻ(2)提取阈值为DNx时的面积S1ꎬ将其与当年统计年鉴统计的建成区面积总和S2作比较ꎬ若S1>S2ꎬ则将上述变量DNx作为第2次计算的最大值ꎬ替换原DNmaxꎬ若S1<S2ꎬ则将上述变量DNx作为第2次计算的最小值ꎬ替换原DNminꎻ(3)重复以上步骤进行计算ꎬ直到S1ʈS2ꎬ且满足误差平方和最小为止ꎬ则该DNx作为该年份建成区面积提取的最佳阈值ꎬ在此阈值下提取的面积即作为建成区面积ꎮ基于以上方法ꎬ选取2017年的提取阈值为8.9ꎬ即以DNx>8.9提取2017年的山东省各城市建成区面积ꎮ为分析各城市建成区提取面积(M1)与统计面积(M2)的误差及其空间差异ꎬ计算提取误差W=(M1-M2)/M2ꎬ并运用ArcGIS10.3做空间分布分析ꎬ采用分位数法进行分类ꎬ结果如图1所示ꎮ采用同样方法提取2007和2012年的建成区面积ꎬ并分析其提取误差和空间差异ꎬ结果与2017年类似ꎮ图1㊀2017年山东省城市建成区面积提取误差图54㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀山东建筑大学学报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀2020年㊀㊀㊀由图1可见ꎬ山东省各城市建成区提取面积和统计面积均存在一定差异ꎬ其中城市建成区提取面积明显大于统计面积的主要为地级以上城市ꎬ建成区提取面积小于统计面积的全部为县级市或县城ꎮ2.2㊀城市建成区提取面积与经济指标的关系为分析山东省各城市夜间灯光数据和城市经济发展水平的相关性ꎬ对2007㊁2012㊁2017年基于夜间灯光数据提取的建成区面积与当年的一般公共预算收入㊁一般公共预算支出㊁规模以上工业企业总产值㊁社会消费品零售额等经济指标做相关分析ꎮ采用式(1)ꎬ运用Matlab2014计算相关系数R及其对应的P值(两者不相关的概率)ꎬ结果见表1ꎮ表1㊀2007㊁2012㊁2017年山东省各市县夜间灯光提取面积与经济指标的相关系数表年份系数一般公共预算收入一般公共预算支出规模以上工业企业总产值社会消费品零售额2007R0.9230.9190.9010.939P5.00ˑ10-427.19ˑ10-416.32ˑ10-378.32ˑ10-42012R0.8960.9360.820.954P5.28ˑ10-367.53ˑ10-462.93ˑ10-251.49ˑ10-522017R0.9430.9320.8420.932P4.57ˑ10-482.05ˑ10-441.01ˑ10-271.12ˑ10-44㊀㊀由表1可知ꎬ2007㊁2012㊁2017年的基于夜间灯光提取的建成区面积与各经济指标均为正相关ꎬ且高度显著ꎮ因此ꎬ山东省各城市夜间灯光数据不仅可以反映建成区面积ꎬ而且还能够反映城市经济和城市化质量ꎮ3㊀山东省城市扩展的时空格局分析城市扩展既包括量的扩展ꎬ表现为城市建成区面积的扩张ꎻ也包括质的提升ꎬ表现为城市的内涵增长㊁功能提升㊁结构优化和建设质量与水平的提高等ꎮ城市发展过程中ꎬ在扩张面积相同的情况下ꎬ城市建设投入和开发强度不同ꎬ城市扩展质量必然存在差异ꎮ对于城市扩展水平的定量分析ꎬ仅基于单一的城市空间扩展面积进行分析就比较片面ꎬ而构建综合指标ꎬ从空间扩展面积和扩展质量等方面进行综合分析ꎬ可以较为全面地反映城市扩展综合水平ꎮ借鉴已有研究成果[37-38]ꎬ引入城市扩展综合指标ꎬ对城市扩展质和量进行定量表达ꎬ使其不仅能够反映建成区的空间扩展ꎬ也能反映城镇人口㊁经济发展水平和建设质量等方面ꎮ3.1㊀城市扩展综合指标构建夜间灯光数据能够反映城市经济和城市质量等方面ꎬ也能够表达建成区面积ꎬ但各城市均存在一定误差ꎮ建成区统计数据能够比较精确地表达建成区面积ꎬ但难以反应城市经济㊁城市建设质量ꎮ因此ꎬ文章取两者之长ꎬ以夜间灯光数据提取的建成区面积M1和建成区面积统计数据M2和构建城市扩展综合指标Mꎬ由式(5)表示为M=λ1ˑM1+λ2ˑM2(5)式中:λ1和λ2分别为M1和M2的权重ꎬ采用专家调查法和灵敏度分析法综合确定ꎮ这样构建的城市扩展综合指标ꎬ既能较精确地表达建成区面积扩展ꎬ同时还能反映城市经济和城市建设质量等方面ꎮ分别采用λ1/λ2为0.5/0.5㊁0.4/0.6㊁0.3/0.7进行灵敏度分析ꎬ计算结果差别较小ꎬ经综合分析ꎬ最终确定权重λ1和λ2分别为0.4和0.6ꎮ3.2㊀山东省城市扩展的空间格局依据城市扩展综合指标数据计算2007 2012年㊁2012 2017年的山东省各城市扩展综合指标的增长量和增长率ꎬ并运用ArcGIS10.3进行空间格局分析ꎮ将增长量和增长率按分位法各分为3类ꎬ每一类各占1/3ꎬ分别表示低㊁中㊁高三级增长率和低㊁中㊁高三级增长量ꎮ其中ꎬ2007 2012年间ꎬ-0.32~0.19定义为低增长率㊁0.19~0.48为中增长率㊁0.48~1.42为高增长率ꎻ-6.03~3.19定义为低增长量㊁3.19~7.82为中增长量㊁7.82~132.37为高增长量ꎮ2012 2017年间ꎬ-0.34~0.14定义为低增长率㊁0.14~0.37为中增长率㊁0.37~1.69为高增长率ꎻ-9.48~3.74定义为低增长量㊁3.74~9.30为中增长量㊁9.30~212.2为高增长量ꎮ增长量采用分级设色表示ꎬ增长率采用线状图形表示ꎬ将图层叠加得到增长率和增长量的综合分析图ꎬ既可分别表达山东省各城市扩展综合指标增长量和增长率的空间格局ꎬ也可表达增长量和增长率9种组合类型的空间格局ꎬ结果如图2㊁3所示ꎮ㊀第4期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀张智璇ꎬ等:基于夜间灯光数据的山东省城市扩展时空格局㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀55㊀图2㊀2007 2012年山东省城市扩展综合指标增长率和增长量综合图图3㊀2012 2017年山东省城市扩展综合指标增长率和增长量综合图㊀㊀由图2可知ꎬ2007 2012年ꎬ山东省城市扩展综合指标增长量和增长率的空间格局存在着明显差异ꎬ增长量较大的主要为山东省的各设区市ꎬ多为中增长率ꎬ说明各城市扩展的增长量主要取决于城市的原有规模ꎮ设区市原有城市规模基数较大ꎬ所以城市扩展增长量较大ꎬ而增长率相对较小ꎮ城市扩展增长率高的市县主要位于鲁西北和鲁西南地区ꎬ其原有城市规模基数较小ꎬ所以城市扩展率相对较高ꎮ其中ꎬ山东省东部的胶州市ꎬ中部的临朐县㊁昌乐县㊁安丘市ꎬ北部的滨州市㊁博兴县㊁广饶县ꎬ西部的德州市㊁齐河县㊁郓城县ꎬ南部的曹县㊁济宁市㊁临沂市㊁曲阜市的城市扩展综合指标增长率和增长量56㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀山东建筑大学学报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀2020年㊀都较高ꎬ城市扩展相对迅猛ꎮ南部的诸城市㊁莒县㊁莒南县㊁五莲县㊁临沭县㊁新泰市㊁宁阳市㊁平邑县㊁费县㊁滕州市㊁微山县㊁成武县㊁苏明县㊁郯城县ꎬ东部的海阳市㊁乳山市㊁莱阳市㊁龙口市ꎬ北部的乐陵市㊁庆云县㊁利津县ꎬ西部的高唐县㊁阳谷县㊁东阿县的城市扩展综合指标增长率和增长量都较低ꎬ城市扩展相对缓慢ꎮ由图3可知ꎬ2012 2017年ꎬ山东省城市扩展综合指标增长量和增长率的空间格局仍然存在明显差异ꎬ增长量较大的仍为山东省的各设区市ꎬ多为低中增长率ꎬ城市扩展增长率高的市县主要位于鲁西和鲁西南地区ꎮ其中ꎬ山东省东北部的蓬莱市ꎬ南部的平邑县㊁滕州市㊁沂南县㊁莒南县㊁郯城县㊁滕州市ꎬ西部的菏泽市㊁郓城县㊁济宁市㊁东明县㊁曹县㊁阳谷县㊁冠县㊁聊城市㊁荏平县㊁高唐县等市县的城市扩展综合指标增长率和增长量都较高ꎬ城市扩展相对迅猛ꎮ西北部的无棣县㊁庆云县㊁乐陵县㊁商河县㊁宁津县㊁利津县㊁高唐县㊁惠民县㊁夏津县㊁武城县㊁平原县㊁商河县ꎬ巨野县ꎬ中部的寿光市㊁昌邑市㊁临朐县㊁曲阜市㊁肥城市ꎬ东部的高密市㊁莱州市㊁招远市㊁日照市㊁栖霞市㊁海阳市㊁乳山市等市县的城市扩展综合指标增长率和增长量都较低ꎬ城市扩展相对缓慢ꎮ3.3㊀山东省城市扩展的时空热点分析采用式(4)ꎬ运用Arcgis10.3的空间统计工具箱对山东省城市扩展综合指标增长量和增长率进行热点分析ꎬ空间权重采用 Queen 相邻ꎬ即共享边或点即为相邻ꎬ选择热点分析工具的CONTIGUITY_EDGES_CORNERS实现ꎮ2007 2012年㊁2012 2017年山东省城市扩展综合指标增长量和增长率的热点分析结果如图4~7所示ꎮ由图4㊁5可知ꎬ2007 2012年㊁2012 2017年ꎬ山东省城市扩展综合指标增长量的热点分布较为明显ꎬ且存在明显的空间差异ꎬ均无显著的冷点ꎮ2007 2012年ꎬ山东省城市扩展综合指标增长量的热点主要分布在省会济南及其周边市县ꎮ其中ꎬ置信水平99%的热点位于莱芜市ꎻ置信水平95%的热点位于淄博市㊁济南市㊁泰安市㊁济阳县和邹平县ꎻ置信水平90%的热点位于齐河县和平阴县ꎮ说明此期间济南及周边市县的城市扩展综合指标增长量呈现高值集聚ꎮ置信水平90%的热点位于胶州市ꎬ其余城市冷热点均不显著ꎮ2012 2017年ꎬ山东省城市扩展综合指标增长量的热点主要分布在东部沿海的青岛市㊁日照市及其相邻市县ꎬ其中ꎬ置信水平99%的热点位于莱西市㊁胶州市㊁诸城市㊁五莲县和日照市ꎻ置信水平95%的热点位于青岛市㊁平度市㊁莱阳市ꎻ其余市县冷热点均不显著ꎮ说明此期间青岛市㊁日照市及其周边市县的城市扩展综合指标增长量呈现高值集聚ꎮ图4㊀2007—2012年山东省城市扩展综合指标增长量热点分析图㊀第4期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀张智璇ꎬ等:基于夜间灯光数据的山东省城市扩展时空格局㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀57㊀图5㊀2012 2017年山东省城市扩展综合指标增长量热点分析图图6㊀2007 2012年山东省城市扩展综合指标增长率热点分析图㊀㊀由图6㊁7可知ꎬ2007 2012年㊁2012 2017年ꎬ山东省城市扩展综合指标增长率的冷热点分布比较分散ꎬ空间差异明显ꎮ2007 2012年ꎬ山东省城市扩展综合指标增长率的热点主要分布在鲁西北和鲁西南的部分市县ꎬ冷点主要分布在日照市㊁临沂市及其周边部分市县ꎮ其中ꎬ置信水平95%的热点位于武城县㊁济阳县㊁惠民县㊁济宁市㊁嘉祥县㊁鱼台县ꎻ置信水平90%的热点位于临邑县㊁高青县㊁高唐县㊁郓城县㊁金乡县㊁鄄城县ꎻ置信水平95%的冷点位于临沭县ꎬ置信水平90%的冷点位于东南部的五莲县㊁日照市㊁临沂市㊁郯城县ꎻ其余城市冷热点均不显著ꎮ说明此期间鲁西北和鲁西南部分市县的城市扩展综合指标增长量呈现高值集聚ꎬ日照市㊁临沂市及其周边部分市县的城市扩展综合指标增长量呈现低值集聚ꎮ2012 2017年ꎬ山东省城市扩展综合指标增长率的热点主要分布在鲁西的聊城市及其周边部分市县㊁鲁西南的部分市县和临沂市及其周边的部分市县ꎬ冷点主要分布在烟台市及其周边部分市县及鲁西北的阳信县ꎮ其中ꎬ置信水平99%的热点位于冠县㊁聊城市㊁莘县㊁临沂市和临沭县ꎻ置信水平95%58㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀山东建筑大学学报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀2020年㊀的热点位于临清县㊁阳谷县㊁梁山县ꎻ置信水平90%的热点位于东阿县㊁郓城县㊁嘉祥县㊁东明县㊁枣庄市㊁莒南县和郯城县ꎻ置信水平95%的冷点位于山东省东部的乳山市和海阳市ꎻ置信水平90%的冷点位于烟台市ꎻ其余市县冷热点均不显著ꎮ两段时期冷热点变化最明显的是临沂市㊁临沭县和郯城县ꎬ城市扩展综合指标增长率由2007 2012年的冷点转变为2012 2017年的热点ꎮ图7㊀2012 2017年山东省城市扩展综合指标增长率热点分析图4㊀结论通过研究ꎬ得到以下结论:(1)2007 2012㊁2012 2017年ꎬ山东省城市扩展综合指标增长量和增长率的空间格局存在明显差异ꎬ增长量高低主要取决于城市的原有规模ꎬ增长量较高的主要为设区城市ꎬ其城市原有规模较大ꎬ城市扩展增长量也较大ꎮ增长率较高的市县主要位于山东省经济发展水平相对落后的鲁西㊁鲁西北和鲁西南地区ꎮ这些地区城市规模基数较小ꎬ增长量较小ꎬ增长率相对较高ꎮ2007 2012年ꎬ山东省城市扩展综合指标增长量高的市县ꎬ其增长率主要处于中等水平ꎻ2012 2017年ꎬ城市扩展综合指标增长量高的市县ꎬ位于鲁西和鲁西南的部分市县中其增长率仍处于高水平ꎮ(2)2007 2012㊁2012 2017年ꎬ山东省城市扩展综合指标增长量和增长率的热点和冷点的地区分布明显不同ꎮ城市扩展综合指标增长量的热点一直存在集聚特征ꎬ随着时间推移ꎬ在空间上发生了明显变化ꎬ发展路径为 中部地区 东部沿海地区 ꎮ增长率的热点和冷点一直较为分散ꎬ热点主要由山东省西北部㊁西南部转移到西部㊁南部ꎬ冷点主要由西南部转移到东北部ꎮ参考文献:[1]㊀JensinJRꎬTollDL.Detectingresidentiallandusedevelopmentattheurbanfringe[J].PhotogrammetricEngineeringandRemoteSensingꎬ1982(48):629-643.[2]㊀DurieuxLꎬLagabrielleEꎬNelsonA.Amethodformonitoringbuildingconstructioninurbansprawlareasusingobject-basedanalysisofspot5imagesandexistingGISdata[J].ISPRSJournalofPhotogrammetryandRemoteSensingꎬ2008ꎬ63(4):399-408.[3]㊀SuttonPC.Ascale ̄adjustedmeasureof urbansprawl usingnighttimesatelliteimagery[J].RemoteSensingofEnvironmentꎬ2003ꎬ86(3):353-369.[4]㊀SmallCꎬElvidgeCD.NightonEarth:MappingdecadalchangesofanthropogenicnightlightinAsia[J].InternationalJournalofAppliedEarthObservation&Geoinformationꎬ2013ꎬ22(6):40-52.[5]㊀朱磊ꎬ岳嘉琛ꎬ陈诗音ꎬ等.1992 2016年京津冀城市群城市扩展过程和驱动分析[J].北京师范大学学报(自然科学版)ꎬ2019ꎬ55(2):291-298.[6]㊀王鹤ꎬ曾永年.城市扩展极限学习机模型[J].测绘学报ꎬ2018ꎬ47(12):1680-1690.[7]㊀安尼瓦尔 阿布都热依木ꎬ阿里木江 卡斯木ꎬ塔世根 加帕尔ꎬ等.基于遥感数据的伊宁市城市扩展及其驱动力分析[J].干旱区地理ꎬ2018ꎬ41(1):109-118.[8]㊀曹晓丽ꎬ雷敏ꎬ侯志华ꎬ等.基于RS与GIS的太原市城市扩展特征及驱动因素研究[J].西北大学学报(自然科学版)ꎬ2018ꎬ48(5):734-740.[9]㊀翟涌光ꎬ屈忠义ꎬ吕萌.西北部少数民族地区城市扩展特征分析 以呼和浩特市为例[J/OL].(2019-04-03)[2020-06-㊀第4期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀张智璇ꎬ等:基于夜间灯光数据的山东省城市扩展时空格局㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀59㊀11].http://kns.cnki.net/kcms/detail/11.4415.P.20190401.1557.005.html.[10]张童ꎬ姚士谋ꎬ胡伟平ꎬ等.基于交通可达性的广佛都市区城市扩展的模拟与分析[J].地理科学ꎬ2018ꎬ38(5):737-746. [11]任启龙ꎬ王利ꎬ韩增林ꎬ等.基于城市年轮模型的城市扩展研究 以沈阳市为例[J].地理研究ꎬ2017ꎬ36(7):1364-1376. [12]谢文瑄ꎬ黄庆旭ꎬ何春阳.山东半岛城市扩展模式与生态足迹的关系[J].生态学报ꎬ2017ꎬ37(3):969-978.[13]LiuFꎬZhangZꎬShiLꎬetal.UrbanexpansioninChinaanditsspatial ̄temporaldifferencesoverthepastfourdecades[J].JournalofGeographicalSciencesꎬ2016ꎬ26(10):1477-1496. [14]陈婉珍ꎬ张中浩ꎬ何雪松.大数据时代下城市扩展的精细化研究[J].城市发展研究ꎬ2017ꎬ24(8):71-76.[15]CroftTA.Nighttimeimagesoftheearthfromspace[J].ScientificAmericanꎬ1978ꎬ239(1):86-98.[16]柴宝惠ꎬ李培军ꎬ张瑞洁ꎬ等.基于Landsat数据和DMSP/OLS夜间灯光数据的城市扩展提取:以天津市为例[J].北京大学学报(自然科学版)ꎬ2016ꎬ52(3):475-485.[17]李靖业ꎬ龚健ꎬ杨建新ꎬ等.利用夜间灯光数据的武汉城市空间格局演化[J].遥感信息ꎬ2017ꎬ32(3):133-141.[18]钟洋ꎬ胡碧松.夜间灯光数据的长江中游城市群空间格局演变[J].测绘科学ꎬ2018ꎬ43(9):68-75.[19]王慧娟ꎬ兰宗敏ꎬ金浩ꎬ等.基于夜间灯光数据的长江中游城市群城镇体系空间演化研究[J].经济问题探索ꎬ2017(3):107-114. [20]周婕ꎬ卢孟.基于MODIS影像和夜间灯光数据的长江中游城市群空间特征研究[J].现代城市研究ꎬ2017(4):14-20ꎬ50. [21]刘春霞ꎬ朱康文ꎬ李月臣.成渝经济区近20年城市扩展研究 基于DMSP/OLS夜间灯光数据[J].重庆师范大学学报(自然科学版)ꎬ2017ꎬ34(6):117-126.[22]黄先梅ꎬ赵建吉ꎬ孟庆岩ꎬ等.基于夜间灯光数据的快速城镇化地区城市扩展与重心演变分析 以河南省为例[J].世界地理研究ꎬ2019ꎬ28(1):79-89.[23]陈昕ꎬ彭建ꎬ刘焱序ꎬ等.基于DMSP/OLS夜间灯光数据的京津冀地区城市空间扩展与空间关联测度[J].地理研究ꎬ2018ꎬ37(5):898-909.[24]王钊ꎬ杨山ꎬ刘帅宾.基于DMSP/OLS数据的江苏省城镇人口空间分异研究[J].长江流域资源与环境ꎬ2015ꎬ24(12):2022-2029.[25]赵宇ꎬ王利ꎬ李欣欣ꎬ等.基于NPP/VIIRS夜间灯光和土地利用的大连市人口空间化研究[J].资源与环境ꎬ2018ꎬ34(10):1372-1376.[26]李欣欣ꎬ王利ꎬ何飞.基于NPP/VIIRS夜间灯光数据和土地利用数据的人口分布图绘制 以大连金普新区为例[J].遥感信息ꎬ2018ꎬ33(4):35-41.[27]李佳雯ꎬ王泓ꎬ杨元建ꎬ等.基于NPP/VIIS夜间灯光数据的长三角人口空间化研究[C].合肥:第35届中国气象学会年会ꎬ2018:140.[28]高义ꎬ王辉ꎬ王培涛ꎬ等.基于人口普查与多源夜间灯光数据的海岸带人口空间化分析[J].资源科学ꎬ2013ꎬ35(12):2517-2523.[29]马钰琪ꎬ朱秀芳ꎬ刘宪锋ꎬ等.基于夜间灯光数据和多地理因子数据的人口空间化方法 以辽宁省为例[J].北京师范大学学报(自然科学版)ꎬ2015ꎬ11(51):57-61.[30]李翔ꎬ陈振杰ꎬ吴洁璇.基于夜间灯光数据和空间回归模型的城市常住人口格网化方法研究[J].地球信息科学学报ꎬ2017ꎬ19(10):1298-1305.[31]陈晴ꎬ侯西勇.集成土地利用数据和夜间灯光数据优化人口空间化模型[J].地球信息科学学报ꎬ2015ꎬ17(11):1370-1377. [32]郭永德ꎬ高金环ꎬ马洪兵.Suomi ̄NPPꎬ夜间灯光数据与GDP的空间关系分析[J].清华大学学报(自然科学版)ꎬ2016ꎬ56(10):1122-1130.[33]柴子为ꎬ王帅磊ꎬ乔纪纲.基于夜间灯光数据的珠三角地区镇级GDP估算[J].热带地理ꎬ2015ꎬ35(3):379-385.[34]徐建华.计量地理学(第二版)[M].北京:高等教育出版社ꎬ2014.[35]Esri.热点分析(Getis ̄OrdG∗i)的工作原理[CP/OL].(2019-07-30)[2020-06-11].http://desktop.arcgis.com/zh ̄cn/arcmap/10.3/tools/spatial ̄statistics ̄toolbox/h ̄how ̄hot ̄spot ̄analysis ̄getis ̄ord ̄gi ̄spatial ̄stati.htm.[36]MilesiMꎬElvidgeCDꎬNemaniRRꎬetal.AssessingtheimpactofurbanlanddevelopmentonnetprimaryproductivityinthesoutheasternUnitedStates[J].RemoteSensingofEnvironmentꎬ2003ꎬ86(3)ꎬ401-410.[37]华中ꎬ牛慧恩.城市化水平测度方法与实证研究 以深圳市特区外地区为例[J].城市规划ꎬ2003ꎬ27(11):34-38. [38]陈明星ꎬ陆大道ꎬ张华.中国城市化水平的综合测度及其动力因子分析[J].地理学报ꎬ2009ꎬ64(4):387-398.(学科责编:耿斐)。
基于夜间灯光数据的闽三角城镇扩张研究
基于夜间灯光数据的闽三角城镇扩张研究基于夜间灯光数据的闽三角城镇扩张研究摘要:借助高分辨率夜间灯光数据,本文通过地理信息系统和遥感技术,对闽三角地区城镇的空间扩张进行详细研究。
通过对不同时间段城镇空间扩张的变化趋势、扩张模式以及对周边环境的影响进行分析,探索制造业和城市化对城镇扩张的影响,以期为城市规划和可持续发展提供指导意见。
关键词:闽三角地区、城镇扩张、夜间灯光数据、制造业、可持续发展1.引言城镇化是现代化进程的标志之一,也是世界各国社会经济发展的重要内容。
随着我国经济的快速发展,城镇化进程也在不断加速。
在城市化的推动下,大量的制造业企业涌向城镇地区,同时不断扩大城镇的规模和范围。
因此,城镇扩张研究成为城市规划和可持续发展研究中的重要内容。
夜间灯光数据具有时空解析度高、覆盖范围广、数据获取成本低等优点。
作为遥感数据的一种,被广泛用于研究城市规划、土地利用、城镇扩张等领域。
因此,本文选用夜间灯光数据,对闽三角地区城镇扩张进行研究,以探索制造业和城市化对城镇扩张的影响,并为城市规划和可持续发展提供指导意见。
2.数据与方法本文选用2010年、2015年、2020年的高分辨率夜间灯光数据,通过ArcGIS 10.5和ENVI 5.3等地理信息系统和遥感软件,制图并分析数据。
首先,利用ENVI 5.3软件对数据进行预处理和地理校正,以消除各种干扰,获取精准的数据。
其次,通过ArcGIS 10.5软件分析城镇扩张的特征和模式。
最后,综合分析制造业和城市化对城镇扩张的影响。
3.闽三角地区城镇扩张特征分析闽三角地区包括福州、莆田、泉州、厦门四个城市,是中国东南沿海地区的一个典型城市群,经济发展较为发达。
通过对2010年、2015年、2020年的夜间灯光数据分析,可以得出以下结论:(1)闽三角地区城镇扩张进入高速增长阶段。
根据夜间灯光数据,2010年、2015年和2020年闽三角地区城镇的照明范围面积分别为2099.93平方公里、2426.24平方公里和2771.38平方公里,呈现出逐年扩大的趋势,增加了671.45平方公里,增长量较大。
利用卫星遥感技术进行城市扩张监测与分析的案例分析
利用卫星遥感技术进行城市扩张监测与分析的案例分析随着人口的增加和城市化进程的加速,城市的不断扩张成为了当代社会的一个重要话题。
然而,城市扩张对自然资源的消耗和生态环境的破坏也带来了一系列的问题。
为了有效地监测和分析城市扩张对环境的影响,利用卫星遥感技术进行城市扩张监测与分析成为了一种有效的方法。
卫星遥感技术是指利用人造卫星获取地球表面上的信息。
通过卫星遥感技术,我们可以获取到高分辨率的影像数据,用来观测和分析城市扩张的情况。
在实际的案例分析中,我们以中国的某个城市为例,利用卫星遥感技术进行城市扩张监测与分析。
首先,我们使用卫星遥感技术获取到该城市一段时期内的高分辨率影像数据。
通过对这些影像数据的处理和分析,我们可以得到该城市在不同时间段的土地利用类型和分布情况。
接下来,我们使用遥感图像分类算法对影像数据进行分类。
通过将影像数据划分为建筑用地、耕地、森林等不同的土地利用类型,我们可以获得城市扩张的空间分布和趋势。
然后,我们可以计算不同土地利用类型的面积变化。
通过比较不同时间段的土地利用面积,我们可以得到城市扩张的速度和规模。
例如,我们可以发现城市扩张速度快的区域往往是经济发展较快的地区,而城市扩张规模较大的区域可能存在土地资源过度利用的问题。
除了土地利用面积的变化,我们还可以通过卫星遥感数据来分析城市扩张对生态环境的影响。
例如,通过对森林覆盖率、城市热岛效应、空气质量等因素的分析,我们可以评估城市扩张对生态环境的影响程度,从而提出相应的环境保护和规划建议。
最后,我们可以利用地理信息系统(GIS)技术对城市扩张的结果进行可视化展示。
通过将城市扩张的空间分布、土地利用类型和影响因素等图层叠加在地图上,我们可以直观地展示城市扩张的情况,从而为决策者提供科学的参考。
综上所述,在城市扩张监测与分析上,利用卫星遥感技术是一种高效且有效的方法。
通过该技术,我们可以获取到大量的数据,并从中提取出有价值的信息,为城市规划和环境保护提供科学依据。
基于夜间灯光数据的京津冀地区城市扩张研究
基于夜间灯光数据的京津冀地区城市扩张研究1. 研究背景及意义对城市化发展状况进行监测,有助于城市规划的科学化、土地利用、城市空间布局的合理化。
DMSP/OLS、NPP-VIIRS夜间灯光数据具有易获取、数据量小和独特的夜间灯光探测能力等优点,经过处理后能够得到稳定的长时间序列夜间灯光数据集,能够及时准确的对城市扩张进行监测。
本文实验数据使用了1992-2013年34期的V4版本的DMSP/OLS影像、2013年和2018年的NPP-VIIRS月度数据以及官网提供的经过饱和校正的2015年NPP-VIIRS年度数据(表1),采用阈值二分法提取各个时期京津冀13 个市的建成区。
在此基础上开展建成区扩张时空特征分析,选取代表性的驱动因素对城市扩张进行更加深入的探讨,为京津冀协同发展提供重要的参考依据。
2. 数据预处理为得到长时间序列的夜间灯光数据集需对DMSP/OLS数据以及NPP-VIIRS数据进行预处理。
DMSP/OLS数据校正步骤如下:(1)将黑龙江省鸡西市作为参考区域,选择已经经过过饱和校正的 F162006 辐射定标影像作为参考数据,使用不变目标区校正法(Elvidge et al.,2009)对DMSP/OLS数据进行相互校正和不饱和校正。
(2)为充分利用各个独立传感的数据,需对同一年份不同传感器数据进行年内融。
(3)经过年内融合后,各年份的影像仍不可比,所以需要进行年际校正。
NPP-VIIRS数据校正步骤如下:(1)由于我国中高纬度地区的夜间灯光数据在夏季严重失真,选取 1~4 月和 8-12 月的月度数据进行年度合成。
由2013、2018年的 NPP-VIIRS 月度数据得到年度均值图像数据。
(2) 由于合成的年度数据仍存在负值,而夜间灯光亮度值(DN值)理论上应大于等于零,需进行去负值处理。
(3)本文以同年的北京的最高 DN 值作为 DN 值上限,进行异常值处理。
(4)除了异常值的问题,DN 值还存在突变问题,因此需要进一步校正。
如何利用卫星影像进行城市扩张分析与规划
如何利用卫星影像进行城市扩张分析与规划城市扩张是当今社会面临的一个重要问题,而利用卫星影像进行城市扩张分析与规划已经成为一种常见的方法。
本文将探讨如何利用卫星影像进行城市扩张分析与规划,并探讨其应用前景。
首先,卫星影像是城市扩张分析与规划的重要数据源。
卫星影像不仅可以提供高分辨率的地理信息,还可以追溯城市的发展历史。
借助卫星影像,我们可以通过比较不同时间段的影像来观察城市的扩张情况,并根据城市的发展规律进行合理的规划。
此外,卫星影像还可以提供各种空间数据,如地形、道路、建筑物等,为城市规划师提供更全面的信息。
其次,利用卫星影像进行城市扩张分析可以帮助规划师了解城市发展的动态。
城市发展不是静止的,而是一个不断变化的过程。
通过分析不同时间段的卫星影像,我们可以观察到城市扩张的速度、方向以及扩张区域的特点。
这对于规划师来说非常重要,可以帮助他们预测未来的城市发展趋势,并制定相应的规划策略。
此外,利用卫星影像进行城市扩张分析还可以帮助规划师评估城市扩张的影响。
城市扩张不仅带来了经济和社会发展的机遇,也带来了环境和生态问题。
通过对卫星影像的分析,规划师可以评估城市扩张对水资源、空气质量、生态系统以及土地利用的影响。
这有助于规划师做出更加全面的决策,保护环境和保障质量。
此外,卫星影像还可以为城市规划师提供决策支持。
通过卫星影像,规划师可以获取城市不同区域的用地类型、建筑物密度、人口分布等信息。
这可以帮助他们制定合理的城市发展战略,科学规划城市用地,合理分配资源。
例如,在城市扩张规划中,卫星影像可以用于确定新的城市发展区域,并评估其适宜性。
在土地利用规划中,卫星影像可以帮助规划师评估不同土地用途的潜力和限制。
这些信息可以为决策者提供客观的依据,促进城市的可持续发展。
未来,随着卫星技术的进步,利用卫星影像进行城市扩张分析与规划将会越来越普遍。
卫星影像的分辨率将会更高,时间序列影像的获取将会更频繁。
这将为城市规划提供更多更准确的信息,并且可以实时监测城市的变化。
基于卫星影像的城市扩展监测研究
基于卫星影像的城市扩展监测研究1、合同主体11 甲方(委托方):____________________________12 甲方地址:____________________________13 甲方联系方式:____________________________14 乙方(受托方):____________________________15 乙方地址:____________________________16 乙方联系方式:____________________________2、合同标的21 本合同的标的为基于卫星影像的城市扩展监测研究服务。
22 乙方应利用卫星影像数据及相关技术手段,对指定城市的扩展情况进行监测和分析。
23 监测研究的内容包括但不限于城市建设用地的增加、城市边界的变化、土地利用类型的转变等。
3、权利义务31 甲方的权利义务311 甲方有权要求乙方按照合同约定的时间、质量和方式完成城市扩展监测研究工作。
312 甲方应向乙方提供必要的基础资料和协助,包括但不限于城市规划文件、相关地图等。
313 甲方应按照合同约定的时间和方式支付研究费用。
32 乙方的权利义务321 乙方有权根据研究需要,合理使用甲方提供的资料和信息。
322 乙方应组建专业的研究团队,运用科学、合理的方法和技术进行城市扩展监测研究。
323 乙方应按照合同约定的时间和要求,向甲方提交研究成果报告。
324 乙方应对研究过程中知悉的甲方商业秘密和相关信息予以保密。
4、违约责任41 若甲方未按照合同约定支付研究费用,每逾期一天,应按照未支付金额的一定比例向乙方支付违约金。
42 若乙方未按照合同约定的时间和质量要求完成研究工作,应承担相应的违约责任,包括但不限于重新进行研究、减免研究费用、支付违约金等。
43 若因乙方原因导致研究成果存在严重错误或误导,乙方应负责修正并承担因此给甲方造成的损失。
5、争议解决方式51 本合同在履行过程中如发生争议,双方应首先友好协商解决。
使用卫星图像进行城市扩张监测的技巧
使用卫星图像进行城市扩张监测的技巧在当今快速发展的世界中,城市扩张已成为一个常见的现象。
随着城市化进程的不断推进,城市边界不断扩大,越来越多的人口涌入城市。
这种城市扩张对土地使用和资源分配产生了巨大的影响。
为了监测城市扩张的情况,科学家们开始使用卫星图像技术。
本文将为您介绍使用卫星图像进行城市扩张监测的技巧。
首先,要准确地监测城市扩张,我们需要获取高质量的卫星图像。
现代卫星具有高分辨率和多光谱观测能力,可以提供详细的地表信息。
这些信息可以用于识别和分析城市边界和土地利用。
为了获得高质量的卫星图像,科学家们通常会选择具有较高空间分辨率的卫星,并利用云遮盖少的时间段进行观测。
同时,他们还会使用多光谱合成和影像处理技术来提高图像的质量和清晰度。
其次,了解地学原理对于卫星图像解译和城市扩张监测至关重要。
城市扩张通常导致土地利用和覆盖的改变,如人工建筑物的增加、农田的减少等。
通过解译卫星图像中的光谱信息,我们可以区分不同类型的地表覆盖,从而了解城市的扩张状况。
例如,建筑物常常在图像中呈现出明亮的反射特征,而植被则呈现出较暗的反射特征。
利用这些特征,科学家们可以通过图像解译技术将城市扩张程度与不同类型的土地利用相对应。
此外,图像分类算法是监测城市扩张的重要工具。
在卫星图像解译过程中,图像分类算法可以帮助我们自动识别和分类图像中的不同地物。
常用的分类方法包括像素级分类和目标级分类。
像素级分类是将图像中的每个像素点按照光谱特征分类,从而实现全面的地物分类。
目标级分类则是将图像中的像素点组织成目标对象,并进行分类。
这些分类算法可以帮助我们更准确地获取城市边界和土地利用信息,从而实现城市扩张监测的目标。
此外,卫星图像的时间序列分析也是监测城市扩张的重要方法。
城市扩张是一个动态的过程,随着时间的推移,城市边界和土地利用不断变化。
通过利用卫星图像的时间序列数据,我们可以研究城市扩张的变化趋势和速度。
例如,科学家们通过对多个时间点的卫星图像进行比较,发现了城市扩张面积的增加和城市形态的变化。
使用卫星遥感技术进行城市扩张监测的应用案例
使用卫星遥感技术进行城市扩张监测的应用案例城市扩张是全球范围内普遍存在的现象,在迅速发展的城市中,城市化进程不断推进,城市的规模和面积不断扩大。
然而,城市扩张带来的问题也越来越显著,如土地资源的过度消耗、生态环境的恶化等。
因此,通过卫星遥感技术进行城市扩张的监测和管理变得尤为重要。
本文将以某城市的城市扩张监测为例,探讨卫星遥感技术在城市规划和土地管理中的应用。
卫星遥感技术作为一种非接触式的遥感技术,可以通过卫星或飞机等载体对地面上的物体进行高精度、高空间分辨率的观测和监测。
这种技术在城市扩张监测中具有独特的优势。
首先,卫星遥感技术可以获取大范围、连续性的数据,可以全面了解城市扩张的动态变化。
其次,该技术可以提供多种数据源,如高分辨率影像、遥感图像等,可以为城市规划和土地管理提供多样化的信息。
在某城市的城市扩张监测中,卫星遥感技术发挥了重要的作用。
通过相关机构利用卫星遥感技术获取的高分辨率影像,可以实现对城市扩张区域的快速识别和边界的确定。
而对于这些区域内的用地分布以及土地利用状况的监测,卫星遥感技术也可以提供详尽的数据,以优化城市规划和土地管理政策。
例如,在城市扩张监测中,卫星遥感技术可以通过遥感图像的时序分析,反映城市土地利用的时空变化,帮助决策者了解城市用地的发展趋势和规律。
同时,卫星遥感技术还可以通过分类和识别遥感图像中的地物,获得城市土地利用的详细信息,包括不同土地类型的面积、分布等,为城市规划提供科学依据。
此外,该技术还可以通过图像变化检测和监测,及时发现违法建设、非法占地等问题,并对此进行有效治理。
除了上述应用,卫星遥感技术还可以结合地理信息系统(GIS)等技术,进一步提高城市扩张监测的精度和效果。
通过将卫星遥感图像与地理信息系统进行集成分析,可以实现对城市扩张的空间分布和地理特征的综合分析,为城市规划和土地管理提供全面的信息支持。
此外,卫星遥感技术还可以与其他数据源相结合,如人口数据、交通数据等,进行多源数据的融合分析,提高对城市扩张的全面了解。
基于DMSP-OLS夜间灯光数据的中国城市扩张规律研究
DMS P一( ) I S线 性 扫 描 业 务 系统 采 集 夜 间 灯 光 、 火
光等辐射信号 , 结 果 处 理 后 得 到 包 括 3种 产 品 : 稳 定 灯
S y s t e m) 传 感 器 可 以探 测 到夜 间 城 市 灯 光 甚 至 更 小 规 模
居 民地 、 车流 等 发 出 的 低 强 度 灯 光 , 使 其 明 显 地 区 别 于 黑 暗 的 乡 村背 景 , 适 合 大 尺 度 的 人类 活 动 和 城 市 发 展 的
甜一
技一 1 引言
d
J -
O
2 0世 纪 9 O年 代 以 来 . 随着 经济 的快 速 发展 , 我 同
城 市 化进 入 高 速 发 展 时 期 , 大 量 人 口向 城 市 聚 集 , 城 市 占地面积不断向外扩张 , 中心 城 区建 成 区 的扩 张 状 况 成 为城 市 发 展 和 城 市 用 地 变 化 的一 个 重 要 特 征 一 。 由 于
2 O 1 3 ( F 1 8 ) 5年 7期 数 据 ( 来源于: h t t p s : / n g d c . n o a a . g o v / ) . 并以多时相遥感 影像 图 【 1 J 的 纹 理 信 息 相 似 的 区 域 视 为 不 变 目标 区。 。 。 。 , 利 用 8×8像 元 大 小 的 视 窗 检 索需要校正的两幅影像 图, 提 取 视 窗 内 的不 变像 元点 作
区域 发 展 的 不 平 衡 性 , 我 同经 济 和城 市 化 发 展 存 在 很 大
的差 异 , 并 表现 出 明 显 的 地 域 性 特 性 。为 了促 进 不 同地 区经 济 和 城 市 化 合 理 发 展 , 探 索 不 同地 区典 型 城 市 或 城 市 群 发 展 历 程 与 规 律 具 有 重 大 的意 义 。 遥 感 观 测 覆 盖 范 围 大 及 其 时 效 性 和重 访 周 期 特 点 ,
基于精明增长理论和夜间灯光数据的城市增长研究
基于精明增长理论和夜间灯光数据的城市增长研究
精明增长理论是由美国城市规划学家杰弗里·韦斯特在20世纪90年代提出的理论。
该理论认为,城市增长应该基于可持续发展和智能规划的原则,以提高城市的经济、社会
和环境效益。
夜间灯光数据是一种通过卫星图像监测城市夜间照明情况的数据,它可以用来研究城
市的发展和增长趋势。
基于精明增长理论和夜间灯光数据的城市增长研究可以从多个方面入手。
可以通过分
析夜间灯光数据来研究城市的发展趋势。
因为夜间灯光的亮度可以反映一个城市的经济繁
荣程度和人口活动水平。
通过比较不同城市的夜间灯光数据,可以发现一些经济发展较快
的城市以及潜在的发展趋势。
可以结合精明增长理论来研究城市的可持续发展问题。
精明增长理论强调城市的增长
应该以人为本,并考虑到城市的社会和环境效益。
通过分析夜间灯光数据和人口密度数据,可以研究城市的人口分布情况以及社会和环境问题。
可以发现一些人口密度高、发展相对
较快的城市存在社会不平等和环境污染等问题,从而提出解决方案和政策建议。
基于精明增长理论和夜间灯光数据的城市增长研究可以帮助我们深入理解城市的发展
过程和趋势,并提出相应的解决方案和政策建议。
这对于实现城市的可持续发展和智能增
长具有重要的意义。
开题报告-基于卫星遥感影像的城市拓展研究
3.2 研究区域遥感影像分类和城镇信息的提取。 通过对三期遥感影像的几何纠正、研究区域裁剪、 图像增强等预处理,使用基于最大似然法的监督 分类进行城市建设用地的信息提取。 3.3 研究区域城镇扩展分析。分析研究区域城镇 用地现状,对比分析不同时期的城镇用地信息, 获取研究区域的城镇用地扩展变化信息,并结合 区域其他资料分析其变化原因和规律,进一步总 结研究区城镇扩展的驱动机制。对研究区城镇用 地扩展情况进一步分析出扩展模式。
料,编写开题报告、文献综述,学习 前人研究思路。 2.2016年4月初——2016年4月底
文章翻译,学习并熟练掌握ERDAS ,Arc View等软件的使用。 3.2016年4月底——2016年5月中旬
对图像进行几何纠正、研究区域裁 剪、图像增强等预处理,使用基于最 大似然法的监督分类进行城市建设用 地的信息提取。
进0—2006年城市建设拓展情况,并结合相 关数据,分析该地区在1990—2006年间城市 拓展特点,得出武汉城区动态变化趋势和规 律。最后结合武汉市城区的人口、经济、城 市规划等数据,分析出武汉城区过去的城市 扩展规律和未来的发展趋势。 3.1 研究区域概况与数据预处理。对研究区 的自然社会状况以及所获取的数据进行介绍 ,并就遥感数据进行预处理。
4.2016年5月中旬——2016年6月初 分析武汉市城市拓展面积与速度,
同时研究城市拓展的空间分布和变化 规律。结合本区域的社会经济资料研 究分析该区域城市拓展的驱动力机制 。 5.2016年6月初——2016年6月中旬
整理图表等研究成果,撰写论文, 准备答辩。
敬请各位老师批评指正! 谢谢!
刘纪远等研究了凸壳原理对城市空间扩展类别 的识别方法,提出了利用该方法可以区分城市 扩展的两种类型,即填充型和延伸型;并对城 市形态的紧凑性进行了研究。
基于DMSP/OLS夜间灯光数据的城市空间扩展研究综述
空 间扩 展 研 究 中 。 目前 , 基 于灯 光 数 据 的 城 市 扩 展 研 究 很 多 , 但 缺 乏 对 该 领 域 研 究进 展 的 系 统 性 分 析 与 总 结 。
基 于此 , 分析 比较现 有研 究 实例 , 从 阈值设 定法提 取城 区和灯光数据城 市监测两方 面展 开讨论 , 分析 目前研 究欠 缺之 处并探讨 解决方案 。同时, 构建新型城 市重心模型 , 进行 实例 分析 , 最后展 望夜 间灯 光数 据在城 市空间扩展
理时 , 根据 前人 开发 的经 验 程 序 , 自动识 别夜 间灯 光 , 进
行 后续 灯光 指 数 的构 建研 究 。经 验 阈值 法 虽操 作 简单 , 但 存在 很 大 的主 观性 , 提取 结果 依研 究 者个 人 而定 , 缺 乏 足 够 的科学 依据 。
方面的研 究趋 势 : ①加 强对数 据 本 身 处理 方 法的研 究; ② 充 分利 用 灯光 强度 信 息 ; ③ 构 建 新 型指 标反 映城 市
扩展 。
关键 词 : DMS P / O L S; 夜间灯光 ; 城市扩展 ; 空 间 格局
中图分 类号 : P 2 ; T P 7 9
随后美国国家地理数据中心针对上述问题进行了相关研究得到了辐射定标夜间灯光强度数据虽然该数据解决了vnir通道在高倍增益下中心城区灯光数据饱和的问题但因该方法的实施对数据要求严苛目前只有19961997年的成型数据日本国立环境研究所和东京大学在美国辐射标定实验的基础上开发了一种适用于亚洲地区的新数据产品它介于上述两类产品之间即非辐射定标夜间灯光平均强度数据产品该数据的获取无需对放大增益进行人为控制因而可以充分利用现有数据储备进行多年度时间序列制图为城市化的强度及其时空分异分析提供了条件随着技术的进步和研究的深入灯光数据产品的精度也在不断提高其发展历程如图1所示
基于多源灯光数据的城市扩张驱动机理分析——以长江经济带三大城市群为例
基于多源灯光数据的城市扩张驱动机理分析——以长江经济
带三大城市群为例
周侗;王佳琳
【期刊名称】《国土资源科技管理》
【年(卷),期】2022(39)3
【摘要】以多源夜光遥感影像为数据源,运用景观格局指数、地理探测器等方法,以长江经济带三大城市群为实验样区,研究了70个城市扩张的时空分异特征和驱动机理。
结果表明:(1)三大城市群城市扩张的时空分异特征各有差异,长江三角洲城市群内城市的景观格局相对破碎,建成区集约化程度高,前期扩张速度最快,长江中游城市群和成渝城市群内的城市扩张特征较为一致,前期扩张速度慢,城市形态较为规整紧凑,中后期扩张速度加快,结构趋于分散;(2)三大城市群内各城市在第Ⅰ、Ⅱ阶段扩张的首要驱动因子分别为人口、经济和交通,第Ⅲ、Ⅳ阶段均为经济维度下的二级因子;(3)城市扩张是多因素共同作用的结果,多个因子交互作用的解释力普遍强于单一因子,并呈现出双因子增强和非线性增强的交互效果。
【总页数】12页(P24-35)
【作者】周侗;王佳琳
【作者单位】南通大学地理科学学院;南通大学经济与管理学院
【正文语种】中文
【中图分类】F299.27
【相关文献】
1.长江流域城市群经济带城市流--基于长江干流30城市外向型服务业统计数据的实证分析
2.数字科技驱动长江经济带城市转型升级研究
——基于长江经济带44个城市面板数据的分析3.基于多源夜间灯光数据的长江经济带三大城市群规模结构动态比较4.长江经济带城镇化发展的时空格局与驱动机制研究——基于九大城市群2004-2013年数据的实证分析5.基于DMSP/OLS夜间灯光数据的中原城市群建成区时空扩张与驱动因子分析(1992—2012年)
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
基于卫星灯光数据的城市扩展效应分析作者:华忆迪陈海涛来源:《商业经济研究》2019年第15期内容摘要:随着城市化进程的加快,生产要素加速向大城市集聚,武汉市作为湖北省唯一的特大城市,这种集聚特征更加明显。
为了更好的衡量区域协调发展,将卫星灯光数据亮度值作为经济发展的代理变量,并将武汉市边界以10km为范围划分为内圈和外圈。
研究发现,2002年以前武汉市城市发展存在明显的虹吸效应,表现为武汉市内圈灯光亮度增加明显快于外圈;2002年以后这种“虹吸效应”逐渐演化为“扩散效应”,表现为武汉市外圈灯光值增长更快。
这说明,武汉市城市扩张的经济溢出效应逐渐显现,因此立足于武汉市城市发展带动周边区域经济发展将会成为一种新的经济发展模式。
关键词:虹吸效应 ; 扩散效应 ; 卫星灯光数据 ; 城市化引言及时、客观的遥感卫星夜间灯光数据已被学者们证明与人类的社会经济生活有着很强的相关性,获取夜间灯光数据与社会经济指数的相关性信息,对预测修正具有时间延迟、不准确问题的社会经济指數具有重大意义(张俊,2017;范子英等,2016;徐康宁等,2015;卓莉等2015)。
王贤彬等(2017)指出在国家和地区层面上,夜间灯光亮度是代表GDP的一个较好指标,灯光亮度的变化率可以作为GDP增长率的代理变量,结合经济统计数据和夜间灯光亮度等指标可以提高人们度量国家或地区经济绩效的准确性。
在我国,灯光数据的相关研究主要集中在预测人口、经济、城市建成区面积、碳排放量检测、贫困人口识别以及能源消费等领域(马忠玉、肖宏伟,2017;潘竟、胡艳兴,2016;杨洋等,2016;柴宝慧等,2016;陈晴等,2014;吴健生等,2014)。
本课题的研究也与新近的少数基于全球夜间灯光亮度数据考察我国区域经济问题的文献相关,即用灯光数据代理区域GDP总量。
在社会经济发展的今天,用GDP这个单一指标来度量地区发展显然已经不能满足时代要求。
这就要求能有一个复合变量既能够代表地区经济发展,又能够代表人口集聚和基础设施发展水平,而卫星灯光数据是衡量地区发展与城市化扩张的有效指标(苏泳娴等,2015;郝蕊芳等,2014)。
随着我国城市化进程的加快,城市发展带来的经济效应引发学者们的激烈讨论,然而不同城市发展模式的经济效应存在差异(王振乾,2016;赵向阁,2016;张红等,2015)。
以武汉市为例,一城独大的单中心城市发展模式究竟是促进了地区经济发展,还是拉大了区域经济发展差距值得深入研究。
因此,本文以卫星灯光数据替代地区经济发展指标,依托地理学第一定律,研究武汉市历年城市扩张给周边地区经济发展带来的影响,基于此种方法,能够较好地从微观角度研究城市扩张的经济效应,为我国有效的城市化发展策略和区域合作机制提供参考。
研究区域与数据(一)研究区域本文主要选择武汉市作为研究对象,通过武汉市内外的卫星灯光数据变化探究武汉的快速发展对周边区域的经济影响。
具体操作步骤如下:首先,基于GIS软件绘制武汉市行政区划图,并定义WGS_CGS1984地理坐标系;其次,在行政区划图的基础上构建10km、6km缓冲区,分别将其切割为“内圈”和“外圈”;最后,基于卫星灯光数据统计各地区灯光平均值,并以内外部灯光均值的比值变化趋势作为衡量武汉市城市扩散效应的指标。
图1为2016年湖北省稳定灯光亮度值,灯光值共包括64段,其中最小值为0,最大值为63。
由于当前所使用的灯光值存在灯光饱和现象,因此在对发达国家或者是大都市圈进行灯光分析时效果较差。
但是,本文的研究周期为1997-2016年,在此期间,武汉市饱和灯光亮度区域较少,并且按照武汉市行政边界建立的10公里缓冲区位于武汉市的郊区,不存在灯光饱和现象,因此实验的效果较好。
图1中红色边界线为武汉市行政区域,与武汉市邻接的县区包括嘉鱼县、仙桃市、汉川市、孝南区、孝昌县、大悟县、红安县、罗田县、麻城市、团风县、黄冈市、鄂州市、大冶市以及咸安区共13个县区。
(二)数据来源与预处理本文采用的灯光数据来自于美国国家海洋与大气管理局(NOAA)官方网站提供的全球夜间灯光数据,武汉市及周边县区的经济数据来源于各地区历年统计年鉴。
基于地理学第一定律——两个相隔较近的点其所有属性相似。
为了研究武汉市城市扩张的经济效应,本文首先在GIS软件中基于我国省级行政矢量图截取湖北省行政区划内的历年卫星灯光数据图,其次基于武汉市行政区划线建立缓冲区,收集武汉市行政区划线内外卫星灯光数据。
本文的后续研究建立在两个相反假设的基础上。
假设1:如果武汉市域外灯光数据增长幅度快于域内灯光数据增长幅度,则武汉市城市增长的经济扩散效应更为明显;假设2:如果武汉市域外灯光数据增长幅度慢于域内灯光数据增长幅度,则武汉市城市经济增长的虹吸效应更为明显。
实证结果分析(一)GDP统计结果分析本文首先选择传统的分析方法,用GDP指标来衡量城市增长的集聚效应与扩散效应。
基于数据的可得性,本文拟选择武汉市GDP增速与周边县市GDP增速的横向比较来衡量武汉市城市发展的扩散效应。
其中与武汉市邻接的城市包括鄂州市、黄石市、黄冈市、孝感市、咸宁市以及仙桃市共5个地级市和1个县级市。
市级数据包括1997-2016年共17期。
由于价格因素的影响,导致各地实际GDP的增速可能未能反映真实的经济增长,因此本文剔除价格因素的影响,按照可比价格计算得到历年各市经济增长率,部分市个别年份未录入缺失数据。
如表1所示,如按照GDP增长率来衡量城市发展的速度,武汉市在2007年以前经济发展速度遥遥领先于周边县市,可得出武汉市城市发展在2007年以前以虹吸效应为主,主要通过吸收周边县市经济资源来实现自身经济增长,这样一种“一城独大”的现象对周边县市的发展不利。
而到了2007年以后,由于金融危机的影响,武汉市经济下滑较为明显,此时武汉市通过产业结构优化升级,积极发展高新技术产业,同时各地级市积极承接产业转移,提升自身经济实力。
在此期间,武汉市GDP增速明显慢于周边市,武汉市城市发展的扩散效应显著。
然而GDP作为一个单一的经济变量指标,难以全面衡量城市化发展进程,且难以剔除政策对城市发展的影响,故需使用卫星灯光数据进一步验证。
(二)灯光缓冲区分析本文共统计了武汉市1997-2016年共19年的灯光亮度值,如图2所示,无论是武汉市外还是市内,平均灯光亮度值呈现一个递增趋势,这表明卫星灯光数据确实是替代地区经济发展的一个合理变量。
由于卫星灯光数据本身存在一些不足,如设备老化等问题导致数据采集的不稳定性,呈现在图1就是部分年份灯光亮度在下降。
总的来说,武汉市外圈与内圈灯光亮度的绝对差值在不断增加。
以武汉市市内市外历年灯光亮度比值这一指标更能反映市内市外经济社会发展的差距。
由图3可知,在2002年以前,这一值呈现上升趋势,到2002年达到极值1.87,在此以后,这一值则逐渐降低。
值得注意的是,在所有未校正的灯光数据值中,2009年是一个异常值,这与前人的研究相吻合(张梦琪等,2017;景欣等,2017),因此本文并不着重分析这一异常值。
总的来说,在2002年以前,武汉市“一城独大”的现象导致周边区县的经济要素向武汉市转移,集聚效应明显;2002年以后,武汉市的发展更多惠及周边区县,具体表现在市外的卫星灯光亮度均值增长速度明显快于市内的灯光亮度增长速度,武汉市城市发展的扩散效应显著。
图4和图5分别为6km灯光缓冲区分析,在以武汉市行政边界切割得到内外缓冲区中,由于內部缓冲区有部分包括武汉市中心城区,因此可能存在的灯光极值现象会对结果有一定的影响,本文进一步将缓冲距离缩短。
如图4所示,在6km的缓冲区内,武汉市内外部灯光均值呈现同步增长趋势,且绝对差距进一步增大。
进一步进行比值分析,与图3类似。
发现在2002年以前,武汉市内灯光亮度均值增长速度要明显快于武汉市外,城市的集聚效应明显;2002年以后,武汉市外灯光亮度均值增长要快于武汉市内,此时武汉市的城市发展以扩散效应为主。
(三)稳健性检验虽然本文将武汉市内外灯光数据作为GDP的代理变量,并将灯光值的年度差异作为衡量武汉市城市扩张的指标。
但是,由于政策因素的影响,武汉市周边区县经济增长的动力存在差异。
具体而言,八七计划开始,国家便着手推进贫困区的经济发展建设,在财政及金融领域给予了相当大的扶持。
已有研究证明,这些政策因素促进了贫困县的经济社会发展,提高了居民的收入。
在武汉市毗邻的县区中,孝昌县、大悟县、红安县、麻城市在2000年均被列为国家重点贫困县,因此为了避免混淆因扶贫计划导致的区域经济的“异常”增长与武汉市城市发展带来的辐射效应,本文将武汉市行政边界分为上半部及下半部共两部分。
其中上半部行政边界线紧邻孝昌县、大悟县、红安县以及麻城市四个国家重点贫困县,下半部行政边界紧邻其它县区。
利用GIS软件建立缓冲区,如图6所示,并对重叠部分数据集进行剔除。
图7为武汉市历年分区域内外部灯光比值。
与南部地区相比,武汉市北部县区经济发展较为落后,这体现在灯光比值在初始年份更大,然而随着时间的推移,北部地区经济发展增速更快,RL值变化更加显著,北部地区RL值在2000年达到最大值,此后逐年下降,这与国家从2000年开始将上述4县区设为国家重点贫困县的时间节点相一致;到2006年已经基本与南部相一致,且近年来的RL值已经低于南部地区,这一显著差异在一定程度上可以解释国家贫困县计划对区域经济发展的政策效应。
南部地区没有相关的政策扶持,在RL值的变化上,与图4、图5相一致,即在2002年达到顶值,后逐年下降。
综上所述,武汉市城市发展的扩散效应在2002年前后开始凸显,对周边县区的经济辐射扩散效应大于虹吸效应,武汉市发展逐渐带动周边区域的经济发展。
结论与讨论本文利用1997-2016年DMSP/OLS夜间卫星灯光数据解释了武汉市城市扩张过程中的经济效应,研究结论包括以下三点。
第一,利用地区GDP数据衡量城市扩张效应存在较大误差,而利用卫星灯光数据研究城市扩张效应则优势明显。
第二,武汉市城市扩张过程中的经济效应存在明显的阶段性,在2002年以前以“虹吸效应”为主,2002年以后以“扩散效应”为主,这也在一定程度上反映了在城市扩张过程中中心城市的角色转变。
因此,随着武汉市城市规模的扩大,武汉市与周边地区的经济联系愈发密切,凭借着武汉都市圈的政策机遇,武汉市周边地区逐渐承接武汉市更多的产业转移,享受武汉发展带给它们的各项基础设施福利,促进了武汉市周边地区经济社会的发展。
第三,根据武汉市对周边区域的经济效应阶段性变化,提出不能再以“一城独大”否定武汉市在城市扩张过程中对周边地区发展的积极经济效用。
本文进一步对武汉市分区域进行分析,验证了上述结论。
值得注意的是,由于卫星灯光数据存在一定的测量误差,虽然通过相对校准以及辐射定标的方法可以减少误差。