EN中文

地球信息科学学报 >

2017 , Vol. 19 >Issue 5: 646 - 652

DOI: https://doi.org/10.3724/SP.J.1047.2017.00646

地理空间分析综合应用

基于夜光遥感和小区POI的住宅发展与经济增长的空间耦合研究

  • 潘思东 , *
展开
  • 中国地质大学（武汉） 资源学院, 武汉 430074

作者简介：潘思东（1965- ）,女,博士生,高级工程师,主要从事空间数据分析、矿产普查、经济调查研究及实验教学工作。E-mail:

收稿日期: 2016-08-04

  要求修回日期: 2016-11-08

  网络出版日期: 2017-05-20

基金资助

江西省省直项目（2014085041）

武汉市第三次全国经济普查项目（2015086013）

收起

Spatial Coupling between Housing Development and Economic Growth Based on Night Light Remote Sensing and Residential POI

  • PAN Sidong , *
Expand
  • College of Resource, China University of Geosciences, Wuhan 430074, China
*Corresponding author: PAN Sidong, E-mail:

Received date: 2016-08-04

  Request revised date: 2016-11-08

  Online published: 2017-05-20

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

针对城市住宅业发展与其经济增长之间的单向或双向因果关系问题,有关学者利用宏观统计分析的方法得到了不同的结论。本文通过构建二者的时空数据集,在城市内部微观层面上剖析了二者的耦合联系及其空间差异性,以期在细尺度上解释二者之间的关系。本文选取郑州市作为研究区,提出了一种基于夜光遥感数据的GDP空间化估算方法,进而生成GDP时空数据集;基于住宅小区POI点数据对城市住宅进行空间密度估计,得到住宅小区的时空分布数据集;最后对GDP和住宅建设密度进行了空间互相关分析,探究住宅发展与经济增长像元尺度上的共变趋势。结果表明：与前人的宏观研究论断不同,耦合分析结果显示住宅业发展与经济增长之间的关系在城市内部具有空间差异性,两者既存在相互影响的区域,也存在无相关的区域;耦合协调关系极显著的区域约占两成,且主要位于市属区和县域中心区;耦合不显著和不相关的区域超过七成,大部分位于市属县域。

关键词： 住宅发展; 经济增长; 空间耦合; 夜光遥感; 兴趣点

本文引用格式

潘思东 . 基于夜光遥感和小区POI的住宅发展与经济增长的空间耦合研究[J]. 地球信息科学学报, 2017 , 19(5) : 646 -652 . DOI: 10.3724/SP.J.1047.2017.00646

Abstract

Against the one-way or two-way causality between urban housing development and economic growth, different conclusions are obtained by the relevant scholars via macro statistical analysis methods. In this paper, I explained the relationship between the two mentioned above at the fine scale, through construction of their temporal and spatial data sets and I analyzed their coupling relation and spatial difference at micro level of the city. Taking Zhengzhou City as an example, I proposed an estimation method of grid GDP (Gross Domestic Product) based on luminous index data to generate the spatial-temporal GDP data sets. Also, the spatial correlation analysis is carried out between the spatial-temporal GDP data sets and the spatial-temporal residential quarter data sets which are estimated by the Point of Interest (POI) of residential quarters. Different from previous macro studies, coupled analysis shows that the relationship between the development of housing industry and economic growth has spatial differences in the inner city. There are mutual influence areas in some places and uncorrelated areas in some other places. The grids of significant coupling coordinative relationship account for about 20%, and mainly are located in the municipal district and county central district while the grids that is not significant and not related account for over 70%, and are located in the counties mostly. In this paper, the spatial distribution of urban residence was made by the density estimation of the residential POI with construction area attribute, which is not available in the traditional social economic statistical data. I found that this kind of spatial distribution data of real estate can be used to study the spatial and temporal changes of urban housing, and make up for the deficiency of macro analysis.

Key words： residential development; economic growth; spatial coupling; luminous remote sensing; POI

1 引言

自20世纪90年代以来,快速城市化使得大量非城镇人口涌入城市,这促进了城市房地产业的发展,尤其是居民住宅;与此同时,也带动了上下游产业的协同发展,如上游的钢铁和水泥行业等,下游的装修和二手房交易等。近来,一些学者就地产业对经济发展的作用进行了宏观研究：许宪春等在全国层面上探讨了地产开发、生成和消费对国民经济发展的作用[1];张洪等通过70个城市的研究,发现区域地产投资对本地区和相邻地区的经济皆有促进作用[2];武少俊认为住宅产业在2000-2020年是中国经济增长的支柱产业[3];而张清勇等定量分析了省域住宅业发展与经济增长之间的联系,对“住宅引领增长假说”提出了质疑[4]。目前,多数学者就地产业对经济发展的促进作用有广泛共识,但对住宅产业与经济之间的关系有不同甚至截然相反的观点。上述住宅与经济的关系研究大多基于区域面板数据的经典统计学分析,在微观城市内部这种相互关系是否具有空间差异性,尚缺乏相关著述。
GDP是反映社会经济发展的重要指标之一,中国的GDP数据以行政区作为基本统计单元,其空间上的精确性、统一性及稳定性较差[5]。与之相比,GDP空间化以一定粒度的网格来替换不规则行政单元,可以更好地反映GDP的空间分布状况,便于与生态环境、土地利用等空间数据进行分析[6]。自夜光遥感系统美国国防气象卫星计划（Defense Meteorological Satellite Program's Operational Line Scan System,DMSP-OLS）发布数据以来,夜光遥感影像就被用来估算区域GDP[7-8]。针对国内城市GDP空间化研究,一些学者基于夜光遥感分别提出各自的模型,如韩向娣等的双对数相关关系[6]、李峰等提出的自然指数函数关系[9]、杨妮等的线性模型[10]和柴子为等得到的村镇级线性模型[11]等。总之,利用夜光指数进行GDP空间化研究是当前GDP精细化研究的一个热点[12-16],学者们提出的模型也不尽相同。
目前,有关住宅业发展的研究多利用社会经济统计数据,这与GDP统计数据的劣势相同。随着互联网大数据的兴起,相关学者通过城市兴趣点（Point of Interest, POI）对城市发展进行了研究,如利用超市POI[17]、会展场馆POI[18]和手机POI[19]进行了城市相关问题的探究。目前,国内利用住宅小区POI研究住宅产业发展的相关研究较少。
面对上述研究现状与问题,本文拟从如下几个方面进行住宅业与经济发展的耦合关系研究：① 选用中国科学院权威发布的2期公里网格GDP数据集,对郑州市夜光指数与GDP之间的函数关系类型进行探究并加以验证;② 根据探究模型估算研究区GDP空间化数据集,利用住宅小区POI的时空分布数据集估算城市住宅发展的分布状况;③ 对二者之间的空间耦合关系进行定量分析,并加以讨论。

2 研究区概况及数据源

郑州市（112°43′ ~ 114°14′E, 34°15′ ~ 34°57′N）位于河南省中北部,共包括12个区县（市）,国土面积为7563.21 km2。作为河南省省会和中原经济区城市群的核心城市,郑州市的快速城市化进程备受关注,在2000-2013年间,其经济体量翻了三番;其住宅小区总量也在逐年攀高,共增加了33.62%（1509个）。
本文研究所使用的数据包括全球变化科学研究数据系统提供的公里网格GDP数据、DMSP-OLS夜光遥感数据、MODIS NDVI植被指数数据、郑州市统计年鉴和住宅小区POI数据等（表1）。其中,住宅小区POI数据来源于国内大型房地产信息网,进行了合并和重复点删除等处理;为满足POI的位置精度,利用第三方机构纠偏系统对其进行了纠偏处理,纠偏后的位置精度为米级,满足本研究的精度要求。
Tab. 1 Study data and their description

表1 研究数据及其描述

数据类型 描述 目的
公里网格GDP数据 2005年和2010年共2期 探究GDP与夜光指数之间的函数关系
植被指数数据 2000 - 2013年共14期 对夜光遥感数据进行去饱和修正
夜光遥感数据 2000 - 2013年共14期 确定函数类型,估算GDP空间化数据集
统计年鉴数据 2000 - 2013年共14期 验证函数类型,估算GDP空间化数据集
住宅区POI数据 2000 - 2013年共14期 计算住宅区域时空分布数据集,并与GDP数据集进行耦合分析

3 研究方法

3.1 皮尔逊相关关系测度

皮尔逊相关系数可描述2种变量之间的密切程度,并且可根据样本推断总体是否相关,其公式表示为：
R A , B = ∑ i = 1 n a i - a ̅ b i - b ̅ ∑ i = 1 n a i - a ̅ 2 ∑ i = 1 n b i - b ̅ 2 （1）
式中：R（A, B）即为变量A与B的相关系数,其值可取[-1, 1],其绝对值越大,表明A、B之间的联系越紧密;ai和bi分别为变量A、B的位置i上的值; a ̅ 和 b ̅ 分别为A、B的均值;n为样本总数。相关分析的结果需要在显著性水平0.01和0.05下进行统计学检验。

3.2 GDP空间化估算

利用夜光遥感数据进行GDP空间化估算的前提是确定二者之间的函数关系,本文在前人研究[6-16]的基础上,首先,选用线性函数、幂函数、指数函数、对数函数以及双对数函数等作为待定函数类型,并分别对2005和2010年的公里网格GDP（因变量）和夜光指数（自变量）数据进行预处理;然后,计算不同函数类型数据变换下的两变量之间的皮尔逊相关系数,依据相关性大小确定最优函数类型;接着,基于该函数类型求取研究区2000-2013年共14期的夜光指数变换值的总量,与统计年鉴中对应的GDP总量进行回归分析以验证最优函数的准确性;最后,以夜光指数变换值的比重作为权重值,将GDP总量分配到每个公里网格,完成GDP空间化的估算。
其中,数据预处理部分可分为以下4步：① 相对定标：采用Zhang等[20]提出的方法对夜光遥感数据进行去饱和/溢出处理;② 绝对定标：求取光饱和区域边缘像元对应的相对定标值的均值,并标定为饱和值63,通过线性比例关系求解其他相对定标值所对应的夜光指数值,该绝对定标方法与卓莉等[21]和潘竟虎等[22]提出的绝对定标思路具有一致性;③ 空间转换：分别对定标后的夜光遥感和公里网格GDP数据进行坐标转换和重采样,使像元位置重叠;④ 函数类型数据转换：分别对夜光遥感和公里网格GDP数据进行多种待定函数类型的数据转换。

3.3 住宅空间分布的密度估计

核密度估计是一种具有非负性和标准化的非参数密度估计方法[23-24],其在二维平面上可以估算住宅小区的空间分布特征,计算公式[25]如下：
λ s = ∑ i = 1 n 1 π r 2 V i φ d is r （2）
式中：λ（s）为位置S处的核密度估计值;r为带宽（Window Width）,km;n为带宽内的POI数量,i = 1, 2, 3, …, n;wi为带宽内第i个小区点的建筑总面积权重;dis为点i到S处的空间距离,km;φ为核函数,表示点i的核函数值。本文采用经典的高斯核函数：
φ d is r = 1 2 π exp - d is 2 2 r 2 , 　０＜ d is ≤ r 0 , 　　　　　　　　 d is ＞ r （3）
式中：各个变量含义参照式（2）。为与公里网格GDP数据对应,采样粒度设定为1 km,根据前人研究,将搜索带宽设定为5 km。
按此方法分别对2000-2013年住宅小区POI进行处理,得到住宅密度的空间分布数据。

3.4 空间耦合关联测度

与3.2节中求取单一时相的公里网格GDP和夜光指数的相关系数不同,长时相的住宅密度数据集和GDP空间化数据集是对它们进行空间互相关分析的基础。空间耦合相关分析是求取在像元尺度上的住宅密度与GDP的时序数据的相关系数,并在此基础上,对研究区内住宅业发展与经济增长的相互关系的空间差异性进行探讨。

3.5 主要分析过程

首先,对夜光遥感数据进行去饱和/溢出的相对定标和绝对定标处理,对住宅小区POI进行纠偏以提高精度,并生成小区核密度估计数据集;其次,选用权威发布的公里网格GDP数据与定标后的夜光遥感数据集来探究GDP与灯光指数之间的函数关系类型并加以验证,进而生成GDP空间化数据集;然后,利用生成的住宅小区密度和GDP时空数据集,对住宅发展与经济增长之见的空间耦合关系进行互相关分析;最后,分析结果得出结论并加以讨论。

4 结果与分析

4.1 最优函数类型的确定

选用与中国科学院发布的2期公里网格GDP数据对应时相的夜光遥感数据（图1）,按照上述研究方法对夜光遥感指数数据分别进行了多种待定函数变换：① 幂函数变换以夜光数据为底数,并分别选用0.1-4.0等（40种）作为指数;② 指数函数变换分别选用0.1-4.0等（40种）作为底数,以夜光数据作为指数;③ 对数函数变换分别选用0.1-4.0等（40种）作为底数,以夜光数据作为真数;④ 双对数函数变换则分别对夜光数据和公里网格GDP数据进行对数变换;⑤ 线性函数变换可看作幂函数的幂次为1的情况。
Fig. 1 Grid GDP and luminous remote sensing data in 2010

图1 2010年公里网格GDP和夜光指数数据

在对公里网格GDP和夜光遥感数据预处理后,对其相关系数进行了解算,其结果如图2所示。结果表明：① 总体而言,幂函数变换下的相关系数大于其他各类变换类型,其中3次幂的结果最优;② 部分2005年数据指数函数变换下的相关系数大于其他各类,但其对应的2010年结果较差,这说明指数函数变换的稳定性较差;③ 其他3种函数类型变换的结果明显劣于幂函数和指数函数。
Fig. 2 Determination of the functional relation type between grid GDP and luminous remote sensing data based on correlation analysis

图2 基于相关分析的公里网格GDP和夜光遥感数据的函数关系类型确定

为了验证最优函数类型的准确性,分别求取2000-2013年的夜光遥感影像像元DN值（去饱和定标后）的3次幂的和,与郑州市对应年份的GDP总量进行回归分析,其结果如图3所示。
Fig. 3 The regression analysis between GDP and the sum of luminous value based on the optimal function transformation

图3 最优函数变换的夜光值总和与GDP总量的回归分析

回归分析结果显示,确定的最优函数类型对于揭示夜光数据与GDP之间的联系具有良好的表征性：ΣDN3（DN的立方和,DN为夜光遥感影像（去饱和/溢出定标后）的像元值）与GDP总量在α = 0.05下呈现显著的线性回归关系,通过了F检验,拟合优度较高;利用该回归方程,可根据夜光遥感数据推测区域GDP总量。

4.2 时序GDP空间化和住宅空间密度的估算

在最优函数的基础上,按照GDP空间化估算方法分别对研究区14期夜光遥感影像处理得到GDP空间化数据集;与此同时,利用核密度估计方法得到对应的住宅密度空间分布数据集。两个指标的14年年增长量均值如图4所示。
Fig. 4 Spatial distribution of the average annual increment of residence and GDP in 2000-2013

图4 2000-2013年住宅及GDP年均增量空间化分布

从年均增长量上看,研究区住宅与GDP具有一定的空间耦合关系：① 就5个核心城区（图4中标红区域）来讲,其空间耦合的协调程度最为明显,该区域也是研究区内住宅和经济增长的核心区域;② 而对于其他几个区县（市）,住宅和经济的显著增长点也均在其中心区域,并且表现出良好的空间耦合度。

4.3 空间耦合关系结果与分析

为了定量地揭示研究区住宅建设与经济发展之间的联系,基于两者的时空数据集,依据上述研究方法进行了像元尺度上的时序相关分析（图5）。
Fig. 5 Spatial correlation analysis of housing construction and economic development

图5 住宅建设与经济发展的空间相关分析

研究发现,研究区2000-2013年住宅建设发展与经济增长之间的联系具有空间差异性：① 空间耦合极显著相关区域（P ≤ 0.01）主要集中在市辖6区（包括核心五区和上街区）和荥阳、巩义、新密、新郑和中牟5个县（市）的部分区域,约占研究区总面积的22.51%,相关系数总体均值达0.86,各区县均值大小为中原区（0.94） > 管城区（0.90） > 惠济区（0.90） > 上街区（0.89） > 金水区（0.88） > 二七区（0.87） > 中牟县（0.84） > 新郑市（0.82） > 新密市（0.81） > 荥阳市（0.81） > 巩义市（0.74）,登封市无极显著区域;② 空间耦合显著区域（0.01 ≤ P ≤ 0.05）大多位于极显著区域的边缘,占研究区的2.93%,相关系数总体均值为0.61,主要依次分布于中牟、荥阳、新郑、巩义等县域;③ 空间耦合不显著相关区域（P ≥ 0.05）,占总面积的12.44%,相关系数总体均值为0.09,绝大部分（94.79%）位于非市辖区;④ 空间耦合无相关区域（无效度量区）,这部分占郑州市过半区域（62.11%）,绝大部分（99.29%）位于非市辖区。
基于上述空间耦合相关的定量分析,本文认为：① 随着城市快速发展,研究区内住宅建设和经济发展均表现出空间不均衡性,总体而言,城市市辖区的发展程度远大于市属县域,这导致了研究区内的住宅产业发展与经济增长之间的耦合协调性也呈现出显著的空间差异;② 在城市中心区域,绝大部分像元的空间耦合关系表现为极显著类型,显示出中心城区住宅发展与经济增长的正向共变特征,这与前人“经济引导住宅发展假说”的宏观经济论断具有内在一致性[1-4],但并不支持当前一些研究者[4]对“住宅建设促进经济发展假设”的质疑;③ 在城市非中心区域的县域,大部分网格的空间耦合关系表现为不显著,甚至无相关,在这些经济欠发达地区,住宅业与经济发展并不存在单向或双向的因果作用,该论断在以往的宏观经济分析中鲜有提及。

5 结论与讨论

本文首先通过相关和回归分析得到夜光遥感影像与GDP的最优函数关系,进而估算出研究区的GDP空间化数据集;然后,利用住宅POI数据,对住宅的空间分布进行了密度估计;最后,基于两指标的时空数据集,定量研究了郑州市住宅发展与经济增长之间的空间耦合关系。主要结论如下：
（1） 郑州市的住宅建设发展和经济增长均具有空间差异性,但具体情况不同：住宅建设发展的空间差异性大于经济增长的差异性,住宅建设增长区域主要集中于城市核心五区;而经济增长则广泛分布于各个区县中,只是就增长量而言,市辖区略大于市属县域。
（2） 研究区内像元尺度上,住宅建设发展和经济增长的耦合关系具有空间差异性：① 耦合协调关系极显著的区域约占两成,且主要位于市属区和县域的中心区等城市发展的核心区域;② 耦合不显著和不相关的区域超过七成,大部分位于市属县域中,这些欠发展区域产业以农业为主,商品住宅建设较少,故与与经济发展的因果关系较弱。
（3） 与宏观经济分析论断不同,基于空间化数据的耦合关系研究显示,住宅产业发展与经济增长之间的单向或双向因果关系在城市内部具有空间差异性：既存在住宅产业与经济发展相互影响的区域,也存在无相关的区域。
利用夜光遥感数据估算城市GDP空间化数据集具有一定的可行性,在研究区内呈现显著的三次幂函数关系;通过与真实GDP总量数据进行回归分析及显著性检验,验证了该函数类型关系,同时,郑州市GDP总量可通过：GDP = 1.9565×Σ（DN3） - 0.8514进行估算。
此外需要指出的是,根据地理学第一定律,住宅发展和经济增长这两种地理现象既有各自的空间自相关性,同时也各自受到其他因素的影响;在下一步的研究工作中,将会考虑城市邻域对城市住宅发展和经济增长之间关系的影响。
通过住宅小区POI点及其建筑面积属性进行城市住宅空间分布的密度估计,这是传统的社会经济统计数据所不具备的,使用该空间分布数据可进行城市住宅业发展的时空和微观变化研究,弥补了宏观分析的不足。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
许宪春,贾海,李皎,等. 房地产经济对中国国民经济增长的作用研究[J].中国社会科学,2015(1):84-101.

[Xu X C, Jia H, Li J, et al.On the role played by real estate in the growth of China's national economy[J]. Social Sciences in China, 2015,1:84-101. ]

[2]
张洪,金杰,全诗凡. 房地产投资、经济增长与空间效应——基于70个大中城市的空间面板数据实证研究[J].南开经济研究,2014(1):42-58.

[Zhang H, Jin J, Quan S F.Real estate investment,economic growth and spatial effect—An empirical research based on the spatial panel data from 70 cities in China[J]. Nankai Economic Studies, 2014,1:42-58. ]

[3]
武少俊.住宅产业:经济增长点,还是支柱产业[J].金融研究,2000(11):84-93.

[Wu S J.Housing industry: the main point of economy growth , or pillar industry[J]. Journal of Financial Research, 2000,11:84-93. ]

[4]
张清勇,郑环环.中国住宅投资引领经济增长吗?[J].经济研究,2012(2):67-79.

[Zhang Q Y, Zheng H H.Does housing investment lead economic growth in China?[J]. Economic Research Journal, 2012,2:67-79. ]

[5]
黄耀欢,江东,付晶莹.中国公里网格GDP分布数据集 (GDPGrid_China),全球变化科学研究数据出版系统, 2014. DOI:10.3974/geodb.2014.01.07.V1.

[Huang Y H, Jiang D, Fu J Y.1 km grid GDP dataset of China (2005, 2010) [DB/OL]. Global Change Research Data publishing & Repository, 2014. DOI:10.3974/geodb.2014.01.07.V1.]

[6]
韩向娣,周艺,王世新,等.夜间灯光遥感数据的GDP空间化处理方法[J].地球信息科学学报,2012,14(1):128-136.随着夜间灯光遥感数据的应用日渐成熟和资源环境研究领域,对空间型社会经济数据的需求增加,利用相关分析和回归分析的方法,首次定量探讨夜间灯光数据与统计型的社会经济数据的空间关系。为提高模型精度,按照我国省级行政边界分区建模,分析全国县级的地区生产总值、第一产业、第二产业、第三产业分别与夜间灯光指数的空间相关关系,最终建立全国的1km GDP密度图。结果表明,全国范围的夜间灯光数据与第一产业的相关性不明显,相关系数0.554,模型拟合效果差,R<sup>2</sup>为0.306;夜间灯光数据与地区生产总值、第二产业、第三产业均有明显的对数线性关系,尤其是与第二产业和第三产业之和,相关系数为0.824,R<sup>2</sup>为0.679。利用分区模型估算,生成的GDP密度图能较完整地反映全国社会经济分布详况,以及宏观分布特征。

DOI

[Han X T, Zhou Y, Wang S X, et al.GDP Spatialization in China based on nighttime imagery[J]. Geo-Information Science, 2012,14(1):128-136. ]

[7]
Elvidge C D, Baugh K E, Kihn E A, et al.Relation between satellite observed visible-near infrared emissions, population, economic activity and electric power consumption[J]. International Journal of Remote Sensing, 1997,18(6):1373-1379.The area lit by anthropogenic visible-near infrared emissions (i.e., lights) has been estimated for 21 countries using night-time data from the Defense Meteorological Satellite Program (DMSP) Operational Linescan System (OLS). The area lit is highly correlated to gross domestic product and electric power consumption. Significant outliers exist in the relation between area lit and population. The results indicate that the local level of economic development must be factored into the apportionment of population across the land surface based on DMSP-OLS observed lights.

DOI

[8]
Doll C N H, Muller J P, Morley J G. Mapping regional economic activity from night-time light satellite imagery[J]. Ecological Economics, 2006,57(1):75-92.No abstract is available for this item.

DOI

[9]
李峰,米晓楠,王粉鸽,等.基于DMSP-OLS和Landsat8数据的省域GDP空间化方法——以北京市为例[J]. 重庆师范大学学报:自然科学版,2016,33(1):138-142.

[Li F, Mi X N, Wang F G, et al.Provincial GDP spatialization technique based on DMSP-OLS and Landsat 8 images of Beijing[J]. Journal of Chongqing Normal University (Nature Science), 2016,33(1):138-142. ]

[10]
杨妮,吴良林,邓树林,等.基于DMSP/OLS夜间灯光数据的省域GDP统计数据空间化方法——以广西壮族自治区为例[J].地理与地理信息科学,2014,30(4):108-111.

[Yang N, Wu L L, Deng S L, et al.Spatialization method of provincial statistical GDP data based on DMSP/OLS night lighting data: A case study of Guangxi Zhuang Autonomous Region[J]. Geography and Geo-Information Science, 2014,30(4):108-111. ]

[11]
柴子为,王帅磊,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,2015,35(3):379-385.lt;p>高精度地表GDP分布数据是开展小尺度区域发展相关研究的关键数据，但通常难以获得完整数据序列。文章比较了DMSP-OLS和NPP-VIRS两种夜间灯光数据在小尺度单元GDP估算工作上的适应性，证实NPP-VIIRS数据在镇级GDP估算中有更好的性能。利用修正后的NPP-VIIRS夜间灯光数据建立珠三角地区镇级GDP估算模型，并通过地区差异系数对估计结果进行校正。对2013年镇级GDP估算的实验结果总体精度达到85%。估算结果能够用于填补珠三角地区部分镇级GDP统计数据缺失，为相关研究获取、对比GDP数据提供技术手段。</p>

[Chai Z W, Wang S L, Qiao J G.Township GDP estimation of the Pearl River Delta based on the NPP-VIIRS night-time satellite data[J]. Tropical Geography, 2015,35(3):379-385. ]

[12]
Zhou Y K, Ma T, Zhou C H, et al.Nighttime light derived assessment of regional inequality of socioeconomic development in China[J]. Remote Sensing, 2015,7(2):1242-1262.Satellite-derived nighttime light (NTL) data have been extensively used as an efficient proxy measure for monitoring urbanization dynamics and socioeconomic activity. This is because remotely sensed NTL signals can be quantitatively connected to demographic and socioeconomic variables at regional and global scales. The recently composited cloud-free NTL imagery derived from the Visible Infrared Imaging Radiometer Suite (VIIRS) aboard the Suomi National Polar-orbiting Partnership (Suomi-NPP) satellite provides spatially detailed observations of human settlements. We quantitatively estimated socioeconomic development inequalities across 30 provinces and municipalities in mainland China using VIIRS NTL data associated with both regional gross domestic product (GDP) and population census data. We quantitatively investigated relations between NTL, GDP, and population using a linear regression model. Our results suggest that NTL radiances have significant positive correlations with GDP and population at different levels. Several inequality coefficients, commonly used in economics, were derived from VIIRS NTL data and statistical data at multiple spatial scales. Compared with the statistical data, NTL-derived inequality coefficients enabled us to elicit more detailed information on differences in regional development at multiple levels. Our study of provinces and municipalities revealed that county-level inequality was more significant than city-level inequality. The results of population-weighted NTL inequality indicate an obvious regional disparity with NTL distribution being more unequal in China's undeveloped western regions compared with more developed eastern regions. Our findings suggest that given the timely and spatially explicit advantages of VIIRS, NTL data are capable of providing comprehensive information regarding inequality at multiple levels, which is not possible through the use of traditional statistical sources.

DOI

[13]
Fan J F, Ma T, Zhou C H, et al.Comparative estimation of urban development in China's cities using socioeconomic and DMSP/OLS night light data[J]. Remote Sensing, 2014,6(8):7840-7856.China has been undergoing a remarkably rapid urbanization process in the last several decades. Urbanization is a complicated phenomenon involving imbalanced transformation processes, such as population migrations, economic advancements and human activity dynamics. It is important to evaluate the imbalances between transformation processes to support policy making in the realms of environmental management and urban planning. The Defense Meteorological Satellite Program Operational Linescan System (DMSP/OLS) nighttime lights time series imagery provides a consistent and timely measure to estimate socioeconomic dynamics and changes in human activity. In this study, we jointly compared the annual ranks of three variables: the population, the gross domestic product (GDP) and the sum of weighted DMSP/OLS nighttime lights to estimate spatial and temporal imbalances in the urbanization processes of 226 cities in China between 1994 and 2011. We used ternary plots and a Euclidean distance-based method to quantitatively estimate the spatial and temporal imbalances between cities and to classify diverse urban development patterns in China. Our results suggest that, from 1994 to 2011, the imbalances of urbanization processes observed in the eastern, western and middle cities decreased, respectively, by 35.26%, 29.04% and 25.84%; however, imbalances in the northeast increased by 33.29%. The average decrement in imbalances across all urbanization processes in the 226 cities was 17.58%. Cities in the eastern region displayed relatively strong attractions to population, more rapid economic development processes and lower imbalances between socioeconomic and anthropogenic dynamics than cities in other regions. Several types of urban development patterns can be identified by comparing the morphological characteristics of temporal ternary plots of the 226 cities in China. More than one third (35.40%) of the 226 cities presented balanced states during the period studied; however, the remainder showed alternative urban development patterns.

DOI

[14]
李峰,卫爱霞,米晓楠,等.基于NPP-VIIRS 夜间灯光数据的河北省 GDP 空间化方法[J].信阳师范学院学报:自然科学版,2016,36(1):152-156.为了研究省域尺度上像素级GDP空间化的方法,基于NPP-VIIRS夜间灯光数据,首先去除孤立极亮像元和背景噪声,将夜间灯光总强度、线性加权灯光指数和综合灯光指数分别与河北省11地市内的各区县GDP进行相关性分析,得知夜间灯光总强度与地市内各区县GDP相关性最显著,根据每个地市中最高相关系数对应的回归模型计算每个像素对应的GDP,经过线性纠正后,生成河北省GDP密度图.结果表明,全省172个区县的平均GDP相对误差为0.10%.该方法精度较高,生成的GDP密度图可以反映河北省经济发展的现状.

DOI

[Li F, Wei A X, Mi X N, et al.An approach of GDP spatialization in Hebei Province using NPP-VIIRS nighttime light data[J]. Journal of Xinyang Teachers College (Natural Science Edition), 2016,36(1):152-156. ]

[15]
Wu J S, He S, Peng J.Inter-calibration of DMSP-OLS night-time light data by the invariant region method[J]. International Journal of Remote Sensing, 2013,34(20):7356-7368.DMSP-OLS (Defense Meteorological Satellite Program Operational Linescan System) night-time light data can accurately reflect the scope and intensity of human activities. However, the raw data cannot be used directly for temporal analyses due to the lack of inflight calibration. There are three problems that should be addressed in intercalibration. First, because of differences between sensors, the data are not identical even when obtained in the same year. Second, different acquisition times may lead to random or systematic fluctuations in the data obtained by satellites in different orbits. Third, a pixel saturation phenomenon also exists in the urban centres of the image. Therefore, an invariant region method was used in this article, and the relative radiometric calibration and saturation correction achieved the desired results. In the meantime, intercalibration models for each satellite year of DMSP-OLS night-time light data were produced. Finally, intercalibration accuracy was evaluated, and the intercalibration results were tested with the corresponding gross domestic product (GDP) data.

DOI

[16]
Li X, Chen X L, Zhao Y S, et al.Automatic inter-calibration of night-time light imagery using robust regression[J]. Remote Sensing Letters, 2013,4(1):45-54.This letter quantitatively compares two processing strategies for geocoding polarimetric processing results that are available using the interface between the PolSARPro and MapReady software packages. The statistical results show that there is no significant difference between the two approaches. However, closer examination of the products reveals that the segmentation derived from a geocoded coherency matrix is more effective in delineating regional patterns. Alternatively, geocoding the polarimetric segmentation leads to a result that is more sensitive to local variations at a pixel scale. Therefore, the user's application should drive the choice of which processing strategy to follow.

DOI

[17]
李强,王士君,梅林.长春市中心城区大型超市空间演变过程及机理研究[J].地理科学,2013,33(5):553-561.lt;p>以长春市中心城区1998～2011年大型超市实地调研资料为基础,运用GIS空间分析和计量统计等方法,研究长春市中心城区大型超市空间演变过程、特征和机理。研究表明,长春市中心城区大型超市的空间布局演变遵循&ldquo;随机-集中-分散&rdquo;规律,存在整体日益分散,局部优势区域集中;空间分布不均衡,区际间差异较大;圈层发展日趋均匀,但南北方向分异明显;空间演变格局与城市发展方向一致,连锁超市布局日趋整体化等特征。研究认为消费者因素、企业自身因素、市场因素、城市发展因素是空间演变的内在机理。</p>

[Li Q, Wang S J, Mei L.The spatial characteristics and mechanism of supermarkets in central district of Changchun, China[J]. Scientia Geographica Sinica, 2013,33(5):553-561. ]

[18]
任国岩. 长三角会展场馆空间集聚特征及影响因素.经济地理,2014,34(9):86-92.以长三角25个城市为研究对象,选取2001—2013年会展场馆数据,采用核密度估计和空间自相关研究方法,研究会展场馆分布和空间集聚特征。结果表明:1长三角地区场馆分布密度的变化是从区域中心城市逐步向区域副中心城市、区域副中心城市向非区域副中心城市以及区域副中心城市所属的县级城市扩散。2未来一段时期,将呈现区域中心城市会展场馆"大型化+阶梯式"、副省级城市以及区域副中心城市会展场馆"一大+多小"、地市级城市会展场馆"均衡分布+查缺补漏"、县级城市会展场馆"综合体+常年展配套设施"等特征。3城市地位、展贸经济、产业政策、交通设施、地理位置、重大活动是影响会展场馆空间布局的主要驱动因素。

[Ren G Y.The agglomeration characteristics and influencing factors of exhibition venues in Yangtze River Delta[J]. Economic Geography, 2014,34(9):86-92. ]

[19]
周新刚,乐阳,叶嘉安,等.动态数据空间分析的不确定性问题——以城市中心识别为例[J].武汉大学学报·信息科学版,2014,39(6):701-705.目的动态数据在空间分析中存在不确定性问题。以手机定位数据为例来识别城市中心,探索可塑性面积单元问题和不确定的地理情境问题,发现群体活动强度的空间自相关程度受到采样区域划分方式和分析单元大小的影响,地理情境的时空动态变化也会带来不确定的地理情境问题。讨论了减轻不确定性的可能方法。

DOI

[Zhou X G, Yue Y, Ye J A, et al.Uncertainty in spatial analysis of dynamic data—Identifying city center[J]. Geomatics and Information Science of Wuhan University, 2014,39(6):701-705. ]

[20]
Zhang Q L, Schaaf C, Seto K C.The Vegetation Adjusted NTL Urban Index: A new approach to reduce saturation and increase variation in nighttime luminosity[J]. Remote Sensing of Environment, 2013,129(2):32-41.The science and policy communities increasingly require information about inter-urban variability in form, infrastructure, and energy use for cities globally and in a timely manner. Nighttime light (NTL) data from the Defense Meteorological Satellite Program/Operational Linescan System (DMSP/OLS) are able to provide information on nighttime luminosity, a correlate of the built environment and energy consumption. Although NTL data are used to map aggregate measures of urban areas such as total area extent, their ability to characterize inter-urban variation is limited due to saturation of the data values, especially in urban cores. Here we propose a new spectral index, the Vegetation Adjusted NTL Urban Index (VANUI), which combines MODIS NDVI with NTL, to achieve three key goals. First, the index reduces the effects of NTL saturation. Second, the index increases variation of the NTL signal, especially within urban areas. Third, the index corresponds to biophysical and urban characteristics. Additionally, the index is intuitive, simple to implement, and enables rapid characterization of inter-urban variability in nighttime luminosity. Assessments of VANUI show that it significantly reduces NTL saturation and increases variation of data values in core urban areas. As such, VANUI can be useful for studies of urban structure, energy use, and carbon emissions.

DOI

[21]
卓莉,张晓帆,郑璟,等.基于EVI指数的DMSP/OLS夜间灯光数据去饱和方法[J].地理学报,2015,70(8):1339-1350.lt;p>DMSP/OLS夜间灯光数据被广泛应用于表征人类活动强度及其生态环境影响的诸多研究中,但因OLS传感器设计的局限,在用电强度较高的城市中心,灯光信号存在明显的饱和,这一不足可能影响到一些基于夜间灯光数据研究成果的可靠性。针对这一问题,NOAA-NGDC研发了辐射定标算法,但因缺乏星上定标系统,算法较为复杂,且受较多条件限制等原因,目前只有部分时期的辐射定标数据产品（RCNTL）。近期有学者提出一种基于植被指数NDVI构建的城市灯光指数VANUI,为灯光数据去饱和研究提供了一个操作简单且结果良好的方法,但该方法在一些城市效果不佳。基于此,本文综合利用夜间灯光与EVI指数信息,通过对VANUI指数构建方法进行改进,建立了一个新的缓解夜间灯光强度饱和的EANTLI指数。为了评价指数的效果,将EANTLI与VANUI从三个方面进行比较：① 区分、识别饱和区内地物的能力;② 与RCNTL的拟合程度;③ 对用电量估算的效果。结果表明：EANTLI在三个方面均表现出优势,在潜在饱和区内对特征地物具有更高的可区分性,与RCNTL的线性相关程度更高,与用电量的相关性相比于NTL、VANUI亦明显提高。因此可以认为EANTLI在指数的设计上较为合理,不仅易于计算,而且能达到较好的缓解灯光强度饱和、凸现城市内部差异的目的,在用于反演城市发展指标时能获得更为准确的结果,因此具有较高的应用价值。</p>

DOI

[Zhuo L, Zhang X F, Zheng J, et al.An EVI-based method to reduce saturation of DMSP/OLS nighttime light data[J]. Acta Geographica Sinica, 2015,70(8):1339-1350. ]

[22]
潘竟虎,李俊峰.基于夜间灯光影像的中国电力消耗量估算及时空动态[J].地理研究,2016,35(4):627-638.lt;p>提出夜间灯光降饱和指数模型,以中国大陆为研究对象,基于DMSP/OLS夜间灯光数据、MODIS NDVI产品、基础地理信息数据及社会经济统计数据,构建电力消耗估算模型,定量估算了2000-2012年电力消耗量,并采用空间统计分析方法,从不同时间、空间角度对省级、地级和县级单元的电力消耗量变化趋势和空间集聚程度进行分析。结果表明：夜间灯光降饱和指数模型能较好地降低夜间灯光的数据饱和和溢出,其中MDNVI模型的效果最好。从县级尺度电力消耗变化趋势的显著性来看,无明显变化区域主要出现在青藏高原,迅猛增长型多数分布在京津冀、长三角、珠三角和中东部省会城市。</p>

DOI

[Pan J H, Li J F.Estimate and spatio-temporal dynamics of electricity consumption in China based on DMSP/OLS images[J]. Geographical Research, 2016,35(4):627-638. ]

[23]
Silverman B W.Density estimation for statistics and data analysis[M]. London:Chapman & Hall/CRC, 1986

[24]
Chen F, Yu H, Yao J, et al.Robust sparse kernel density estimation by inducing randomness. Formal Pattern Analysis & Applications[J]. 2013,18(2):367-375.

[25]
Chu H J, Liau C J, Lin C H, et al.Integration of fuzzy cluster analysis and kernel density estimation for tracking typhoon trajectories in the Taiwan region[J]. Expert Systems with Applications, 2012,39(10):9451-9457.Increasing our understanding of typhoon movements remains a priority in the western North Pacific. In this study, the trajectories of typhoons that affected Taiwan between 1986 and 2010 are used for clustering, where each trajectory consists of 6-hourly latitude-longitude positions over two days. We compare the performance of four statistical clustering methods, namely, k-means clustering, fuzzy c-means (FCM) clustering, hierarchical clustering, and normalized cut techniques. The results show that the FCM technique provides sufficient cluster efficiency with a relatively high degree of goodness of fit. FCM identifies six clusters according to the minimum coefficients of variation (CV). The hotspots of the typhoon centers in each cluster are determined by kernel density estimation (KDE). Moreover, the typhoon track belongs to six clusters with different membership degrees in FCM. The typhoon track density map is estimated by combining the KDE hotspot maps associated with the FCM weights. The information could be used in planning for disaster management. (C) 2012 Elsevier Ltd. All rights reserved.

DOI

Options
文章导航

/

〈 〉