EN中文

地球信息科学学报 >

2024 , Vol. 26 >Issue 7: 1717 - 1732

DOI: https://doi.org/10.12082/dqxxkx.2024.230228

地理空间分析综合应用

顾及灯光强度区间的夜间灯光指数构建及其与社会参数的相关性分析

  • 王毓乾 , 1, 3, 4, * ,
  • 宋雪鹏 2 ,
  • 何悦 3, 4 ,
  • 谢相建 3, 4 ,
  • 谭永滨 3, 4
展开
  • 1.宜宾学院 人工智能与大数据学部，宜宾 644000
  • 2.江西江汇地质工程勘察院有限公司，上饶 334006
  • 3.东华理工大学 测绘与空间信息工程学院，南昌 330013
  • 4.东华理工大学 自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室，南昌 330013

王毓乾（1983— ），男，湖北鄂州人，博士，副教授，硕士生导师，主要研究方向为夜光遥感数据智能处理、解译与应用。E-mail:

Copy editor: 蒋树芳

收稿日期: 2023-04-25

  修回日期: 2024-03-02

  网络出版日期: 2024-06-25

基金资助

江西省自然科学基金项目(20202BABL202045)

宜宾学院科研启动项目(2023QH14)

收起

Construction of Nighttime Light Index Considering Light Intensity Range and Its Correlation Analysis with Social Parameters

  • WANG Yuqian , 1, 3, 4, * ,
  • SONG Xuepeng 2 ,
  • HE Yue 3, 4 ,
  • XIE Xiangjian 3, 4 ,
  • TAN Yongbin 3, 4
Expand
  • 1. Faculty of Artificial Intelligence and Big Data, Yibin University, Yibin 644000, China
  • 2. Jiangxi Jianghui Geological Engineering Survey Institute Co., Ltd., Shangrao 334006, China
  • 3. School of Surveying and Geoinformation Engineering, East China University of Technology, Nanchang 330013, China
  • 4. Key Laboratory of Mine Environmental Monitoring and Improving around Poyang Lake of Ministry of Natural Resources, East China University of Technology, Nanchang 330013, China
*WANG Yuqian, E-mail:

Received date: 2023-04-25

  Revised date: 2024-03-02

  Online published: 2024-06-25

Supported by

Natural Science Foundation of Jiangxi Province(20202BABL202045)

Yibin University Research Startup Project(2023QH14)

Fold

摘要

一些社会参数可能只与特定辐射强度范围内的夜间灯光保持相关性，而传统的夜间灯光指数局限于夜光遥感影像的全体辐射像元，在一定程度上限制了夜光遥感的应用潜力。本文提出一种顾及灯光强度区间的夜间灯光指数构建方法，利用2012—2020年的NPP-VIIRS夜间灯光数据计算了中国各省和36个主要城市的5 050组特定连续灯光辐射强度区间的区域灯光总值，在省、市2个空间尺度上分别与筛选后的39项和24项社会参数进行相关性分析。除了省级尺度一项、市级尺度2项未通过显著性检验的社会参数，确定了其他社会参数对应的最佳灯光辐射强度区间。与传统的区域灯光总值相比，最佳区间的灯光辐射总值与省、市两级各种不同类型的社会参数的相关性显著提高，相关系数平均分别提高了0.06和0.08；一些与区域灯光总值无明显相关性的社会参数，与最佳区间的区域灯光总值表现出较强的相关性。大部分社会参数的最佳灯光辐射强度区间比较稳定，随时间变化波动较小。各行业社会参数的最佳灯光辐射强度区间表现出明显的差异性与层次性，它们有助于更深入地分析参数与夜间灯光之间的关联关系，评估夜光遥感数据的背景噪音对参数分析的影响。顾及灯光强度区间的夜间灯光指数构建可以提高夜光遥感在社会参数研究领域的应用潜力。

关键词： NPP-VIIRS; 夜间灯光指数; 社会参数; 相关性分析; 灯光辐射强度区间

本文引用格式

王毓乾 , 宋雪鹏 , 何悦 , 谢相建 , 谭永滨 . 顾及灯光强度区间的夜间灯光指数构建及其与社会参数的相关性分析[J]. 地球信息科学学报, 2024 , 26(7) : 1717 -1732 . DOI: 10.12082/dqxxkx.2024.230228

Abstract

Many studies have demonsrated that nighttime light intensity has a strong correlation with various social parameters. Some social parameters are only correlated with the nighttime light intensity within a specific range of radiation intensity. However, traditional nighttime light index is established based on the total range of radiation intensity from nighttime light remote sensing images, which limits the application potential of the nighttime light remote sensing data. In this study, we proposed a method for constructing nighttime light index based on specific light radiation intensity ranges. The nighttime light index was calculated based on different light radiation sub-intervals. For each social parameter, an optimal sub-interval was determined when the nighttime light index on the sub-interval showed the strongest correlation with the social parameter. Based on the NPP-VIIRS nighttime light data from 2012 to 2020, the total light radiation values of 5050 light radiation intensity intervals in all provinces and 36 main cities of China were calculated. We conducted correlation analysis between these light radiation values and 39 and 24 social parameters at provincial and municipal spatial scales, respectively. The optimal light radiation intensity intervals for all social parameter were determined, except for one social parameter at provincial and two social parameters at municipal scales because of the failure to pass the significance test. Compared with the traditional total light radiation values from the total radiation interval, total light radiation values from the optimal light radiation intensity intervals showed stronger correlation with various social parameters at provincial and municipal scales. The average correlation coefficient was increased by 0.06 at provincial scale and 0.08 at municipal scale. Some social parameters that were not significantly correlated with the traditional total light radiation showed strong correlation with the total light radiation from optimal light radiation intensity intervals. The optimal light radiation intensity intervals for most social parameters were relatively stable with little fluctuation over time. The optimal light radiation intensity intervals for social parameters in different industries showed obvious differences, which provided insights for a more in-depth analysis of the relationship between social parameters and nighttime light remote sensing data and a better evaluation of the impact of background noise of nighttime light remote sensing data on social parameter analysis. The construction of nighttime light index considering light radiation intensity range can improve the application potential of nighttime light remote sensing in the field of social parameter research.

Key words： NPP-VIIRS; nighttime light index; social parameters; correlation analysis; light radiation intensity intervals

1 引言

夜光遥感卫星能够在夜间捕捉到人造光源、火点等可见光辐射源[1]。与日间遥感不同，夜光遥感对于反映人类社会活动具有独特的能力，是人口、经济等各行业发展，各方面因素相互作用的综合体现，目前已被广泛应用于社会经济领域的空间数据挖掘[1⇓-3]。2012年，美国国家极轨业务卫星（National Polar-Orbiting Partnership， NPP）搭载的可见光红外成像辐射仪（Visible Infrared Imaging Radiometer Suite， VIIRS）提供了新一代夜光遥感数据。NPP-VIIRS数据不存在“过饱和”现象且数据在不同时相间具有可比性，相对于上一代夜间灯光遥感影像DMSP-OLS在辐射、时间和空间分辨率等方面有较大的提升[4]。当前主流的夜间灯光影像包括DMS-OLS[5]、NPP-VIIRS、珞珈一号[6]与吉林一号[7]，相比于更新的珞珈一号数据与吉林一号数据， VIIRS在时间跨度上有着极大的优势，更适合长时间序列的夜光遥感研究与应用。
社会参数（Social Parameters， SP）是一个国家和地区社会发展状况综合、定量的描述。很多研究表明，夜间灯光指数（Nighttime Light Index， NLI）可以从不同尺度对包括人口[8⇓-10]、GDP[11⇓-13]、电力消 耗[14-15]、碳排放[16-17]、城市住房空置率[18]等多类社会参数进行估算，弥补传统统计数据存在的统计口径不一致、数据缺失、更新频率低等不足，为不同经济指标的地理空间化分布研究提供了数据来源，并且为不同空间尺度上精细评估城市经济活动水平提供了可能[2]。
总体来看，夜间灯光和人类的各种生产、生活活动息息相关。而各种社会参数是人类的各种生产、生活活动及其附属在不同角度下的统计量。所以夜间灯光值与各种社会参数之间存在一定的相关性。社会参数种类众多，但是目前夜光遥感仅应用在包括以上提及的与夜间灯光存在明显关联关系的少数社会参数领域。缺乏夜光遥感在其他看上去与夜间灯光没有明显关联关系的社会参数领域的应用前景的分析研究。另一方面目前在社会参数估算领域常用的夜间灯光指数如区域灯光总值（Total Digital Number， TDN）、区域平均灯光强度（Average Light Intensity， ALI）均建立在研究区域夜光遥感影像的全体辐射像元的基础之上。夜光遥感影像有着非常丰富的人造光源信息，不同的人类活动行为模式产生的夜间灯光辐射强度特征并不一致，因此不同的社会参数对应的灯光辐射强度区间也会各不相同。目前区分灯光辐射强度的夜光遥感应用主要集中在如基于阈值法的夜光遥感影像去噪处理[19]、建成区提取[20]等少数领域。Liu 等[21]将夜间灯光强度粗略地分为[5,20]， [20,40]和[40, +∞） 3个区间，分别对应居民区、交通与公共基础设施和商业区，分析疫情下不同区域夜间灯光的变化特征。在基于夜光遥感的社会参数估计领域还没有区分不同灯光辐射强度范围建立夜间灯光指数的研究。一些社会参数可能只与特定辐射强度范围内的夜间灯光保持相关性，因此本文提出了顾及灯光强度区间的夜间灯光指数构建方法，使用NPP-VIIRS夜光遥感影像，穷举灯光辐射强度范围内所有连续灯光辐射强度区间，并计算每个区间对应的夜间灯光指数，分析每个连续灯光辐射强度区间的夜间灯光指数与社会参数的相关性，寻找出匹配该社会参数的最佳灯光辐射强度区间。随着夜光遥感数据分辨率的提升和统计数据的多样化，对特定的社会统计参数针对性地选择合适的灯光辐射强度范围建立夜间灯光指数可以提高夜间灯光指数与社会统计参数之间的相关性，让夜光遥感在更多的社会参数领域取得更深入的应用。

2 顾及灯光强度区间的夜间灯光指数构建

传统的夜间灯光指数通过影像辐射强度总区间内的所有像元值计算出对应的夜间灯光指数。本文提出，针对每个特定的社会参数，寻找特定的灯光辐射强度子区间，在该子区间范围内计算夜间灯光指数，将其命名为特定灯光辐射强度区间的夜间灯光指数。目前应用最为广泛的夜间灯光指数主要是区域灯光总值TDN，指研究区域夜光遥感影像DN（Digital Number）值的总和，其计算公式如下：
T D N = ∑ i = 1 n D N i ,         D N i ∈ [ 0 ,   + ∞ )
式中： TDN为区域灯光总值； n为该区域内NPP-VIIRS影像的非零像元数量； DNi为第i个非零像元的像元值。
本文以区域灯光总值TDN为例，建立特定灯光辐射强度区间的灯光辐射总值（Total Light Radiation in Specific Interval， TRSI），其计算公式如下：
T R S I a , b = ∑ i = 1 n _ i n t e r v a l D N i ,         D N i ∈ a ,   b
式中： T R S I [ a , b )为NPP-VIIRS影像在特定辐射强度区间[a,b)的灯光辐射总值； n _ i n t e r v a l为NPP-VIIRS影像在为辐射强度区间[a,b)内的非零像元数量；DNi为辐射强度区间[a,b)内第i个像元的像元值。
顾及灯光辐射强度区间的夜间灯光指数构建的关键在于确定特定社会参数所对应的最佳辐射强度区间，通过以下步骤完成。首先，穷举辐射强度总区间 [ 0 , + ∞ )内的所有辐射强度子区间[a,b)。由于a,b为任意非负实数，有无数种可能，为了便于计算，本文将a、b的值限定为非负整数。但是这样仍然有无数种可能。由于夜间灯光强度不可能无限制增大，本文统计了2012—2020年中国区域NPP-VIIRS影像中DN值≥99的像元数量占比，结果如表1所示，发现这部分像元的数量均小于0.03%，可以认为DN值≥99的像元非常稀少。为了减少穷举的辐射强度子区间的个数，减小计算量，本文将 [ 99 , + ∞ )作为一个不再分割的子区间，所以设定辐射强度子区间[a，b)中起始值a最大限定为99，且当a为99时，b即为正无穷。即辐射强度子区间[a,b)中a的取值集合为 { 0,1 , 2 ,   ⋯   , 98 ,   99 }，b的取值集合为 { 1 ,   2 ,   3 ,   ⋯   , 99 ,   + ∞ }，且b>a。最终辐射强度总区间 [ 0 , + ∞ )内，辐射强度子区间[a,b)的数量num为5 050， num计算过程如下：
n u m = 100 + 99 + ⋯ + 2 + 1 = 5   050
表1 2012—2020年中国区域NPP-VIIRS影像DN值≥99的像元数量占比

Tab. 1 Proportion of pixels in NPP-VIIRS images with DN values greater than or equal to 99 in China between 2012 and 2020 (%)

2012年 2013年 2014年 2015年 2016年 2017年 2018年 2019年 2020年
DN值 0.022 0.022 0.025 0.024 0.023 0.025 0.028 0.027 0.029
接着，通过Pearson相关系数，分析特定社会参数与各灯光辐射强度子区间[a,b)的区域灯光总值TRSI[a，b)的相关性，筛选出具有显著相关性（P<0.01）且相关性最大的连续灯光辐射强度区间[a,b)作为该社会参数的最佳灯光辐射强度区间。Pearson相关系数指出了2个变量之间相关性程度和方向，这个数值的绝对值越大越说明2个变量的相关性越强。为了消除夜间灯光指数与社会参数之间的量纲差异，在计算Pearson相关系数前，对2组数据进行线性归一化，其计算式分别如下：
x ' i = x i - m i n   ( x ) m a x x - m i n   ( x )
式中： xi为第i个样本的区域灯光总值或者某一个具体社会参数的统计值； min (x)和max (x)分别为所有样本的最小值和最大值； x ' i表示归一化后的值。
R x y = ∑ i = 1 n x ' i - x - y ' i - y - ∑ i = 1 n x ' i - x - 2 ∑ i = 1 n y ' i - y - 2
式中： x和y分别为区域灯光总值和某个社会参数的统计值； Rxy为它们之间的相关系数； n为样本数量； x ' i和 y ' i分别为第i个样本归一化后的区域灯光总值和社会参数统计值； x -和 y -分别为 x ' i和 y ' i的平均值。确定2组数据是否相关不仅仅是计算相关系数，还需要通过显著水平检验，相关系数显著性检验采用t检验法，检验统计量的计算公式如下：
t = R x y 1 - R x y 2 n - 2

3 研究区概况与数据来源

3.1 研究区概况

本文将中国区域（除去台湾、香港、澳门外的31个省级行政区）作为研究区，省、市级行政区划矢量数据来源于中国科学院地理科学与资源研究所（https://www.resdc.cn/data.aspx?DATAID=200）。

3.2 NPP-VIIRS数据及预处理

美国国家地球物理数据中心利用NPP-VIIRS的日夜波段（Day/Night Band，DNB）获取的夜间灯光数据生产了月度影像集，像元辐射值表征灯光强度，单位为 n W · c m - 2 · s r - 1[4]，但数据存在诸如背景噪音、异常值等诸多问题。Elvidge等[22]首先通过12个月月影像的中值剔除了高和低的辐射异常值，将背景值噪音局限在一个很低的辐射区间，然后提出了Data Range（DR）阈值曲线法，根据DR影像与无云观测数影像之间的散点图绘制了可用于区分灯光像元与背景像元的DR曲线，有效的处理了背景噪音问题，制作了V2版全球的NPP-VIIRS年度灯光影像集。本文使用Elvidge团队制作的V2版NPP-VIIRS夜光影像，覆盖时间范围为2012—2020年，数据来源于美国科罗多矿业学院网站（https://eogdata.mines.edu/products/vnl/#annual_v2）。首先将NPP-VIIRS年影像进行矢量裁剪，得到了中国区域2012—2020年的年度夜间灯光影像集，地理坐标系为GCS_WGS_1984。为了使投影面积变形最小，对所有夜间灯光影像进行投影变换，变换为albers等积投影；为了避免夜间灯光影像网格形变带来的影响，将所有夜光影像重采样为500 m空间分辨率的栅格数据；为了避免NPP-VIIRS影像中存在的负值对结果造成影响，将栅格影像中存在的负值转为零。利用中国各省、市级行政矢量边界对其进行裁剪，得到中国各省、市域的2012—2020年NPP-VIIRS年度夜光遥感影像数据集。

3.3 社会参数

为了保证社会参数数据的权威性、准确性和一致性，本文实验中的社会参数数据均来源于中国国家统计局（https://data.stats.gov.cn/easyquery.htm?cn=E0103）。中国国家统计局“地区数据”下的社会参数包括省级和市级2个空间尺度。为了验证本文提出的顾及灯光强度区间的夜间灯光指数在不同空间尺度下社会参数估算研究领域的适用性，本文从省级和市级这2个基于夜光遥感的社会参数估算常用的空间尺度，广泛地选择了各种不同类别的社会参数进行实验分析。由于本文实验所用的NPP-VIIRS年度夜光遥感影像数据集的时间跨度为2012—2020年，所以社会参数数据也使用2012—2020年的年度数据。

3.3.1 分省年度统计数据

省级尺度参数数据来源于中国国家统计局的“地区数据”条目下的“分省年度数据”，分为28个大类，每一类又有众多子类、亚子类，一共包含了2 078种具体的社会经济参数，本文无法对每一个参数进行分析。为了较为全面的诠释夜间灯光指数与不同社会参数之间的关系，本文围绕居民消费、公共交通、医疗、经济、网络、农业、就业、电力、人口、城市建设等与夜光可能存在较强相关性的方面去选取具有代表性的社会参数，然后剔除其中数据缺失较多的参数，最终选择了39项参数，表2展示了这些参数以及它们的大类类别。
表2 本文所用到的省级社会参数

Tab. 2 Provincial social parameters used in this article

类别 参数 类别 参数 类别 参数 类别 参数
国民经济核算 地区生产总值 人民 全体居民人均消费 工业 发电量 社会消费品零售总额 社会消费品零售
人口 年末常住人口 生活 支出 建筑业 建筑业房屋竣工面积 总额
就业人员 城镇登记失业人数 城市 建成区面积道路长度 运输 铁路营业里程 住宿和 住宿业企业营业额
和工资 城镇单位就业人员 概况 公共汽电车运营线路 和邮电 公路里程 餐饮业 餐饮业企业营业额
城镇单位就业人员 总长度 高速等级公路里程 连锁餐饮企业门店
工资总额 公共汽电车客运量 互联网宽带接入端口 总数
固定资产投 商品房销售面积 城市绿地面积 互联网宽带接入用户 卫生 医院数
资和房地产 道路清扫保洁面积 城市宽带接入用户 医疗卫生机构个数
对外经 外商投资企业进出 城市道路照明灯 农村宽带接入用户 基层医疗卫生机构
济贸易 口总额 农业 农作物总播种面积 快递量 入院数
能源 电力消费量 粮食产量 卫生机构
财政 地方财政一般 床位数
预算支出
价格指数 居民消费价格指数
所选社会参数中，2012—2020年建成区面积、农村宽带接入用户、连锁餐饮企业门店总数、外商投资企业进出口总额存在局部数据缺失情况。 数据总体缺失较少，占比0.25%，其缺失情况如表3所示。
表3 省级社会参数统计数据缺失情况

Tab. 3 Missing statistics of provincial social parameters

社会参数 缺失数据 缺失时间
建成区面积 北京 1年
农村宽带接入用户 上海 6年
西藏 2年
连锁餐饮企业门店总数 吉林 1年
青海 9年
宁夏 7年
外商投资企业进出口总额 西藏 1年
对于统计数据中存在的单一年份数据缺失情况，非首末年通过取相邻年的平均值进行补充，首末年取最相邻年年数据进行补充；存在的连续年份缺失情况，则取最相邻年进行补充；上海市的农村宽带接入用户参数，青海和宁夏的连锁餐饮企业门店总数数据缺失太多，不将其与夜间灯光指数进行相关性分析。

3.3.2 主要城市年度统计数据

国家统计局的城市尺度参数数据来源于“地区数据”条目下的“主要城市年度数据”，只包含了36个全国主要城市（表4）的9个大类，36种社会参数统计数据。与省级社会参数的筛选标准一样，本文选取了其中24项数据完好的社会参数（表5）进行分析。
表4 “主要城市年度数据”中包含的主要城市

Tab. 4 Main cities included in "Major Cities Annual Data"

序号 城市 序号 城市 序号 城市 序号 城市
1 北京 10 上海 19 青岛 28 成都
2 天津 11 南京 20 郑州 29 贵阳
3 石家庄 12 杭州 21 武汉 30 昆明
4 太原 13 宁波 22 长沙 31 拉萨
5 呼和浩特 14 合肥 23 广州 32 西安
6 沈阳 15 福州 24 深圳 33 兰州
7 大连 16 厦门 25 南宁 34 西宁
8 长春 17 南昌 26 海口 35 银川
9 哈尔滨 18 济南 27 重庆 36 乌鲁木齐
表5 本文所用到的市级社会参数

Tab. 5 Municipal social parameters used in this article

类别 参数 类别 参数
国民经济核算 地区生产总值 房地产 房地产开发投资额
第一产业增加值 房地产开发住宅投资额
第二产业增加值 房地产开发办公楼投资额
第三产业增加值 房地产开发商业营业用房投资额
人口和就业 年末户籍人口 房地产开发企业施工房屋面积
城镇非私营单位在岗职工平均工资 房地产开发企业竣工房屋面积
财政和金融 地方一般公共预算支出 房地产开发企业住宅竣工房屋面积
地方一般公共预算收入 商品房销售面积
贸易经济 社会消费品零售总额 运输和邮电 货物运输量
教育卫生文化 普通本专科在校学生数 旅客运输量
医院数 噪音监测 道路交通等效声级
执业(助理)医师数 环境噪声等效声级

4 结果与分析

本文将5 050组特定连续灯光辐射强度区间的区域灯光总值在省、市2个尺度上分别与筛选后的39项和24项社会参数进行相关性分析，确定每个参数的最佳灯光辐射强度区间，构建该参数的TRSI指数，并与传统的TDN指数进行对比分析。

4.1 省级尺度的相关性分析

夜光强度与社会经济参数在省级尺度上的相关性分析可以以每个省份为对象，以每一年的灯光总值和社会经济参数总值建立样本进行相关性分析；也可以以每一年为对象，以每个省级行政区的灯光总值和社会经济参数总值建立样本进行相关性分析。由于本文使用的是NPP-VIIRS年度夜间灯光遥感影像数据集（2012—2020年），如果采用第一种方式，只有9个样本，样本数量相对较少；采用第二种方式，31个省级行政区，就有31个样本，样本数量较多。通过实验发现第二种方式相关系数更高，限于篇幅，本文仅介绍第二种方式的实验结果。

4.1.1 相关系数的结果分析

在省级尺度的39种社会参数中，因居民消费价格指数与TRSI、TDN均未通过显著性检验（P<0.01），所以下文中仅围绕其余38项社会参数展开讨论。TRSI与38项社会参数的相关性均通过显著性检验（P<0.01），而TDN仅与其中30项社会参数通过显著性检验（P<0.01），还有8项与TDN没有表现出相关性的社会参数，但具体到特定灯光辐射强度区间后，它们仍可以与TRSI表现出较强相关性，这8项社会参数每年与TRSI的Pearson相关系数的均值结果如表6所示。均通过与TRSI、TDN的相关性显著性检验（P<0.01）的30项社会参数，相关性结果见表7。
表6 仅通过与TRSI相关性显著性检验（P<0.01）的8项省级尺度社会参数的相关系数均值

Tab. 6 Mean correlation coefficients of the 8 social parameters at provincial scale only passing correlation significance test with TRSI (P <0.01)

社会参数 各年相关系数均值
粮食产量 0.61
公路里程 0.61
连锁餐饮企业门店总数 0.63
农作物总播种面积 0.64
铁路营业里程 0.66
全体居民人均消费支出 0.68
基层医疗卫生机构 0.76
医疗卫生机构个数 0.76
表7 通过与TRSI、TDN相关性显著性检验（P<0.01）的30项省级尺度社会参数的相关系数均值

Tab. 7 Mean correlation coefficients of the 30 social parameters at provincial scale passing correlation significance test with TRSI and TDN (P <0.01)

社会参数 TDN TRSI
各年相关系数均值 各年相关系数均值 相关系数差值
高速等级公路里程 0.51 0.7 0.19
城镇登记失业人数 0.58 0.63 0.05
餐饮业企业营业额 0.62 0.77 0.15
入院数 0.66 0.75 0.09
医院个数 0.67 0.82 0.15
住宿业企业营业额 0.69 0.77 0.08
卫生机构床位数 0.7 0.79 0.09
建筑业房屋竣工面积 0.74 0.78 0.04
外商投资企业进出口总额 0.76 0.9 0.14
快递量 0.78 0.87 0.09
年末常住人口 0.79 0.87 0.08
公共汽电车客运量 0.79 0.83 0.04
商品房销售面积 0.79 0.84 0.05
发电量 0.79 0.87 0.08
城镇单位就业人员工资总额 0.83 0.88 0.05
农村宽带接入用户 0.85 0.91 0.06
地方财政一般预算支出 0.87 0.89 0.02
道路清扫保洁面积 0.89 0.92 0.03
城市宽带接入用户 0.9 0.93 0.03
城市绿地面积 0.9 0.94 0.04
建成区面积 0.9 0.92 0.02
公共汽电车运营线路总长度 0.9 0.94 0.04
道路长度 0.91 0.92 0.01
社会消费品零售总额 0.91 0.94 0.03
城镇单位就业人员 0.91 0.94 0.03
互联网宽带接入总户数 0.91 0.95 0.04
互联网宽带接入端口 0.93 0.95 0.02
城市道路照明灯 0.93 0.94 0.01
地区生产总值 0.94 0.96 0.02
电力消费量 0.95 0.97 0.02
各社会参数平均相关系数 0.81 0.87 0.06
通常情况下通过以下取值范围判断变量之间的相关强度：0.8~1.0极强相关，0.6~0.8强相关，0.4~0.6中等程度相关，0.2~0.4弱相关，0.0~0.2极弱相关或无相关。从表7中看出，30项社会参数与TDN相关性均为中等强度相关以上，2项中等强度相关，12项强相关，16项极强相关；与之相比，TRSI均为强相关以上，其中7项强相关，23项极强相关。与TDN相比， TRSI与社会参数的相关性均得到提高，其中与TDN中等强度相关的参数平均提升0.12，强相关的参数平均提升0.09，极强相关的参数平均提升0.03； TRSI与各社会参数的平均相关系数从0.81提升到0.87；其中高速等级公路里程、餐饮业企业营业额、医院个数、卫生机构床位数、外商投资企业进出口总额与TRSI的相关性得到显著提高，均超过0.1。基于夜光遥感的社会参数估算方法，通常建立在夜间灯光指数与社会参数之间的相关性的基础之上。在社会参数估算领域及相似应用中，相比于传统的夜间灯光指数，TRSI能得到更加可靠的结果。

4.1.2 最佳灯光辐射强度区间的结果分析

在通过与TRSI的相关性显著性检验（P<0.01）的38项社会参数中，对比与各灯光辐射强度子区间[a,b)的区域灯光总值TRSI[a,b)的相关系数的大小，将相关系数最大时对应的灯光辐射强度区间作为它们各年的最佳灯光辐射强度区间，计算结果如表8所示。通过2012—2020年各社会参数的最佳灯光辐射强度区间的区间中值与区间长度的标准差，能够表现出各社会参数所对应最相关辐射强度区间的波动程度，其结果如表9。
表8 2012—2020年与各省级尺度社会参数相关性最强的灯光辐射强度区间

Tab. 8 Light radiation intensity intervals of the strongest correlation with various social parameters at provincial scale during 2012-2020

社会参数 各社会参数与TRSI相关性最强的灯光辐射强度区间 平均辐射
区间
2012年 2013年 2014年 2015年 2016年 2017年 2018年 2019年 2020年
年末常住人口 [0，10) [0，10) [0，14) [0，12) [0，12) [0，15) [0，19) [0，22) [0，21) [0，15)
入院数 [1，4) [1，4) [0，11) [0，10) [0，9) [0，12) [0，13) [0，17) [0，18) [0，11)
公路里程 [0，2) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1)
农作物总播种面积 [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1)
医疗卫生机构个数 [0，2) [0，2) [0，2) [0，2) [0，2) [1，2) [1，2) [1，2) [1，2) [0，2)
卫生机构床位数 [1，3) [0，6) [0，9) [0，7) [0，8) [0，10) [0，9) [0，11) [0，14) [0，9)
发电量 [2，4) [0，10) [0，10) [0，8) [0，7) [0，9) [0，7) [0，7) [0，7) [0，8)
基层医疗卫生机构 [0，2) [0，2) [0，2) [0，2) [0，2) [1，2) [1，2) [1，2) [1，2) [0，2)
电力消费量 [0，19) [0，17) [0，20) [0，15) [0，14) [0，19) [0，17) [0，21) [0，21) [0，18)
粮食产量 [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1)
铁路营业里程 [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1) [0，1)
高速等级公路里程 [0，3) [0，3) [0，3) [0，3) [0，3) [0，3) [0，4) [0，4) [0，4) [0，3)
互联网宽带接入端口 [1，33) [0，32) [1，22) [3，7) [0，21) [1，18) [1，23) [1，26) [1，29) [1，23)
医院个数 [1，2) [0，4) [1，3) [1，2) [0，4) [0，4) [0，4) [1，3) [1，3) [1，3)
互联网宽带接入户数(总) [3，9) [1，17) [1，18) [2，11) [4，5) [1，18) [1，20) [1，24) [1，19) [2，16)
城镇登记失业人数 [2，3) [0，8) [2，3) [0，7) [0，6) [0，8) [0，8) [0，10) [13，14) [2，7)
城市宽带接入用户 [0，21) [2，16) [2，16) [2，15) [2，12) [8，9) [12，13) [1，24) [1，23) [3，17)
农村宽带接入用户 [6，7) [1，11) [3，6) [3，5) [2，4) [2，4) [2，4) [2，6) [2，6) [3，6)
建成区面积 [8，9) [0，25) [3，14) [0，21) [0，21) [0，25) [0，30) [13，14) [0，32) [3，21)
道路长度 [8，9) [3，12) [8，9) [2，13) [0，26) [0，30) [0，33) [1，30) [1，29) [3，21)
商品房销售面积 [0，17) [0，21) [1，13) [1，15) [1，18) [8，9) [1，19) [14，15) [11，12) [4，15)
公共汽电车运营线路总长度 [12，13) [15，16) [12，13) [11，12) [11，12) [7，8) [8，9) [6，7) [6，7) [10，11)
地方财政一般预算支出 [0，34) [0，34) [0，37) [13，14) [13，14) [14，15) [17，18) [16，19) [17，19) [10，23)
社会消费品零售总额 [4，10) [2，16) [3，14) [12，13) [11，12) [13，15) [17，18) [14，15) [17，19) [10，15)
地区生产总值 [1，27) [1，30) [11，12) [12，13) [11，12) [14，15) [17，18) [17，19) [16，23) [11，19)
道路清扫保洁面积 [8，9) [0，18) [12，13) [9，10) [11，12) [14，15) [12，13) [13，14) [16，17) [11，13)
城镇单位就业人员 [4，6) [3，17) [11，12) [12，14) [11，12) [14，15) [17，18) [16，17) [17，19) [12，14)
建筑业房屋竣工面积 [1，54) [1，64) [8，9) [21，22) [2，47) [22，23) [3，56) [26，27) [23，24) [12，36)
城市道路照明灯 [0，85) [0，95) [8，9) [18，19) [17，18) [2，34) [22，23) [21，23) [20，21) [12，36)
公共汽电车客运量 [12，13) [15，16) [12，13) [13，14) [11，12) [14，15) [16，18) [18，19) [19，20) [14，16)
快递量 [20，21) [16，17) [14，16) [14，15) [14，15) [13，14) [16，17) [16，17) [13，14) [15，16)
城市绿地面积 [15，16) [15，16) [12，13) [14，15) [13，14) [17，18) [21，22) [20，22) [19，20) [16，17)
城镇单位就业人员工资总额 [18，19) [10，36) [11，37) [27，28) [10，36) [12，38) [21，22) [29，30) [32，33) [19，31)
住宿业企业营业额 [18，19) [15，16) [28，29) [27，28) [14，15) [11，39) [17，18) [29，30) [18，19) [20，24)
外商投资企业进出口总额 [26，27) [22，23) [30，31) [27，28) [27，28) [32，33) [31，32) [31，34) [34，35) [29，30)
餐饮业企业营业额 [25，26) [27，28) [30，31) [35，36) [31，32) [34，35) [32，33) [33，34) [38，39) [32，33)
连锁餐饮企业门店总数 [26，27) [31，32) [30，31) [33，34) [35，36) [34，35) [35，36) [33，34) [38，39) [33，34)
全体居民人均消费支出 [47，48) [90，92) [93，94) [77，78) [43，44) [99，100) [38，39) [98，99) [48，49) [70，71)
表9 2012—2020年各省级尺度社会参数最佳灯光辐射强度区间的中值与长度标准差

Tab. 9 Standard deviations of the interval median and interval length of the optimal light radiation intensity intervals for each social parameter at provincial scale during 2012-2020

社会参数 区间中值标准差 区间长度标准差
农作物总播种面积 0.00 0.00
粮食产量 0.00 0.00
铁路营业里程 0.00 0.00
公路里程 0.16 0.31
医院个数 0.21 1.25
高速等级公路里程 0.24 0.47
医疗卫生机构个数 0.25 0.50
基层医疗卫生机构 0.25 0.50
发电量 0.68 2.27
电力消费量 1.19 2.38
农村宽带接入用户 1.20 2.54
卫生机构床位数 1.37 3.17
地方财政一般预算支出 1.84 15.83
城市宽带接入用户 1.89 7.77
快递量 2.05 0.31
商品房销售面积 2.11 7.67
入院数 2.15 4.97
年末常住人口 2.17 4.35
互联网宽带接入户数(总) 2.37 6.68
建成区面积 2.51 10.96
道路清扫保洁面积 2.52 5.34
公共汽电车客运量 2.67 0.31
地区生产总值 2.74 10.78
公共汽电车运营线路总长度 2.97 0.00
城市绿地面积 3.08 0.31
城镇登记失业人数 3.21 3.37
连锁餐饮企业门店总数 3.26 0.00
互联网宽带接入端口 3.49 8.13
外商投资企业进出口总额 3.56 0.63
道路长度 3.60 12.28
社会消费品零售总额 3.67 4.67
餐饮业企业营业额 3.77 0.00
城镇单位就业人员 3.90 3.99
城镇单位就业人员工资总额 4.03 12.42
住宿业企业营业额 5.58 8.49
建筑业房屋竣工面积 6.41 26.43
城市道路照明灯 11.84 36.44
全体居民人均消费支出 24.47 0.31
从区间中值与区间长度的标准差来看，农作物总播种面积、粮食产量、铁路营业里程三项社会参数的最佳灯光辐射强度区间极为稳定，它们对应的最佳灯光辐射强度区间都为[0，1)，对应低值灯光辐射。本文灯光辐射强度子区间划分的最小长度为1，说明这3个参数的最佳灯光辐射强度区间随时间的波动小于1。如果对灯光辐射强度子区间划分的更细，能够体现这些参数的最佳灯光辐射强度区间随时间的变化。建筑业房屋竣工面积与TDN和TRSI的相关系数分别为0.74和0.78，最佳灯光辐射强度区间随时间波动较大。城市道路照明灯与TDN和TRSI的相关系数分别为0.93和0.94，都非常高，最佳灯光辐射强度区间随时间波动也很大。区分灯光辐射强度区间并不能显著提高建筑业房屋竣工面积和城市道路照明灯这2个参数与夜光的拟合精度，并且增加了计算的复杂度和结果的不稳定性，这2个参数更适合使用TDN进行分析。全体居民人均消费支出参数的区间中值变化很大，但是区间长度变化很小，并且该参数与TDN的相关性未通过显著性检验，说明该参数与夜间灯光的关联关系比较复杂，存在较强的时间异质性，很难确定其最佳灯光辐射强度区间，不适合用现有的夜间灯光指数进行分析。其余社会参数的最佳灯光辐射强度区间整体来说波动较小。
将31个省级行政区域9年的数据汇总在一起，31×9共计279个样本数据。用同样的方法进行相关性分析，得到除居民消费价格指数外（未通过显著性检验）的38项社会参数对应的最佳灯光辐射强度区间，其结果如表10所示。对比表10各个参数9年整体相关性分析得到的最佳特定灯光辐射强度区间和表8中各个参数每年相关性分析得到的最佳特定灯光辐射强度区间的平均辐射区间，发现建筑业房屋竣工面积、城市道路照明灯、全体居民人均消费支出这3个参数它们的差异较大，这是由于它们区间中值或者区间长度随时间波动较大（表9）。道路清扫保洁面积、地方财政一般预算支出和地区生产总值这3个参数，表8的平均辐射区间比较集中的大致位于[10，20)的中值区间，但是表10的最佳辐射区间则扩大到包括低、中和部分高值区间。从表8也可以看出，这3个参数部分年份的最佳特定灯光辐射强度区间波动较大，对最终的结果产生了较大的干扰。其他参数的结果非常接近，很多甚至完全一样。这也说明本文方法得到的大部分参数的最佳特定灯光辐射强度区间都非常稳定。
表10 2012—2020年各省级尺度社会参数所对应的特定灯光辐射强度区间

Tab. 10 Specific light radiation intensity intervals for each social parameter at provincial scale during the period 2012-2020

社会参数 特定灯光辐射强度区间
农作物总播种面积 [0，1)
粮食产量 [0，1)
公路里程 [0，1)
铁路营业里程 [0，1)
医疗卫生机构个数 [0，2)
基层医疗卫生机构 [0，2)
高速等级公路里程 [0，3)
医院个数 [0，4)
发电量 [0，8)
城镇登记失业人数 [0，9)
入院数 [0，11)
卫生机构床位数 [0，11)
年末常住人口 [0，12)
农村宽带接入用户 [1，12)
电力消费量 [0，18)
互联网宽带接入户数(总) [1，18)
城市宽带接入用户 [2，16)
商品房销售面积 [1，19)
公共汽电车运营线路总长度 [6，14)
建成区面积 [0，25)
互联网宽带接入端口 [1，22)
道路长度 [1，22)
社会消费品零售总额 [11，12)
公共汽电车客运量 [13，19)
城市绿地面积 [13，21)
城镇单位就业人员 [16，17)
快递量 [16，17)
外商投资企业进出口总额 [24，34)
餐饮业企业营业额 [32，34)
连锁餐饮企业门店总数 [33，34)
全体居民人均消费支出 [35，36)
住宿业企业营业额 [10，36)
城镇单位就业人员工资总额 [11，37)
道路清扫保洁面积 [0，28)
地区生产总值 [2，32)
地方财政一般预算支出 [0，37)
城市道路照明灯 [2，37)
建筑业房屋竣工面积 [2，47)
从表10中可以看出，不同参数的最佳灯光辐射强度区间大致上也可以分为低值区间、中间值区间和高值区间。表10中第一部分的22项社会参数的最佳灯光辐射强度区间大致位于[0，20)的低值辐射区间；第二部分的5项社会参数的最佳灯光辐射强度区间位于[10，20)的中值辐射区间；第三部分的4项社会参数的最佳灯光辐射强度区间位于[20，40)的高值辐射区间；第四部分的2项社会参数的最佳灯光辐射强度区间位于[10，40)的中高值辐射区间；第五部分的5项社会参数的最佳灯光辐射强度区间位于[0，50)比较宽泛的灯光辐射强度区间。从上一段的分析也可以看出第五部分的道路清扫保洁面积、地方财政一般预算支出、地区生产总值、城市道路照明灯和建筑业房屋竣工面积这5项社会参数部分年份的最佳特定灯光辐射强度区间波动都比较大，导致最终9年的整体最佳特定灯光辐射强度区间较为宽泛，接近于整个灯光辐射区间，这也导致这5个参数的TRSI对比TDN相关系数提升的比较少（表7）。
表10的结果表明本文中大部分省级尺度社会参数只与特定辐射强度范围内的夜间灯光保持高度相关，不同社会参数所对应的最相关灯光强度辐射区间表现出层次性。

4.2 市级尺度的相关性分析

与省级尺度一样，市级尺度的相关性分析采用第二种方式，即以每年为对象，以36个市级行政区建立36个样本与市级尺度社会参数进行相关性分析。表11为2012—2020年市级尺度社会参数分别与TRSI、TDN的年平均相关系数，表12为2012—2020年各社会参数的最佳灯光辐射强度区间，表13为区间中值与区间长度及其标准差，表14为将36个市级行政区域9年的数据汇总在一起，用与省级尺度同样的方法进行相关性分析，得到的市级尺度社会参数对应的最佳特定灯光辐射强度区间。从表11-表14可以看出，市级尺度的相关性分析的结果和省级尺度类似。
表11 市级尺度社会参数分别与TRSI、TDN的相关系数均值

Tab. 11 Mean of correlation coefficients between social parameters at municipal scale and TRSI、TDN, respectively

社会参数 与TDN的年平均相关系数 与TRSI的年平均相关系数 差值
地方一般公共预算支出 0.88 0.91 0.03
地方一般公共预算收入 0.90 0.94 0.04
社会消费品零售总额 0.87 0.91 0.04
地区生产总值 0.89 0.93 0.05
第三产业增加值 0.87 0.91 0.05
货物运输量 0.68 0.73 0.06
第二产业增加值 0.80 0.86 0.06
执业(助理)医师数 0.82 0.87 0.06
房地产开发投资额 0.80 0.86 0.06
房地产开发商业营业用房投资额 0.70 0.76 0.07
城镇非私营单位在岗职工平均工资 0.69 0.76 0.07
房地产开发办公楼投资额 0.78 0.85 0.07
房地产开发住宅投资额 0.73 0.82 0.09
房地产开发企业竣工房屋面积 0.69 0.79 0.10
房地产开发企业住宅竣工房屋面积 0.61 0.74 0.13
房地产开发企业施工房屋面积 0.60 0.74 0.14
普通本专科在校学生数 0.41 0.55 0.15
年末户籍人口 0.56 0.74 0.18
医院个数 0.57 0.75 0.18
第一产业增加值 NaN 0.66
商品房销售面积 NaN 0.62
旅客运输量 NaN 0.60
道路交通等效声级 NaN NaN
环境噪声等效声级 NaN NaN
平均差值0.08

注： NaN表示该参数与夜间灯光指数之间的相关性未通过显著性检验。

表12 2012—2020年与各市级尺度社会参数相关性最强的灯光辐射强度区间

Tab. 12 Light radiation intensity intervals of the strongest correlation with various social parameters at municipal scale during 2012-2020

社会参数 各社会参数与TRSI相关性最强的灯光辐射强度区间 平均辐射
区间
2012年 2013年 2014年 2015年 2016年 2017年 2018年 2019年 2020年
地方一般公共预算支出 [18,19) [27,28) [25,28) [23,27) [22,29) [25,26) [28,30) [17,36) [24,26) [23,28)
地方一般公共预算收入 [25,27) [26,30) [26,28) [25,28) [27,29) [27,28) [28,30) [30,33) [30,31) [27,29)
社会消费品零售总额 [17,19) [21,22) [18,20) [15,21) [22,23) [19,21) [21,22) [18,21) [15,34) [18,23)
地区生产总值 [17,19) [21,23) [19,20) [15,28) [22,23) [19,21) [21,22) [27,28) [16,34) [20,24)
第三产业增加值 [17,19) [27,28) [19,20) [15,28) [20,28) [20,21) [21,22) [27,28) [29,31) [22,25)
货物运输量 [90,91) [90,93) [17,18) [98,99) [86,87) [21,22) [18,19) [21,22) [22,23) [51,53)
第二产业增加值 [20,21) [22,23) [21,23) [15,26) [18,19) [19,20) [24,25) [27,28) [8,53) [19,26)
执业(助理)医师数 [0,19) [0,20) [0,24) [0,27) [0,29) [0,32) [0,33) [20,21) [0,41) [2,27)
房地产开发投资额 [1,24) [1,28) [1,28) [13,14) [13,14) [13,14) [12,14) [0,31) [0,34) [6,22)
房地产开发商业营业用房投资额 [20,21) [21,23) [21,22) [17,18) [11,14) [13,14) [12,13) [12,13) [18,20) [16,18)
城镇非私营单位在岗职工平均工资 [29,30) [27,28) [28,30) [32,33) [16,39) [33,35) [26,28) [32,33) [37,38) [29,33)
房地产开发办公楼投资额 [22,24) [29,30) [28,29) [32,33) [27,28) [29,30) [21,22) [18,19) [3,40) [23,28)
房地产开发住宅投资额 [1,10) [1,10) [1,16) [1,19) [1,19) [13,14) [12,13) [0,25) [0,29) [3,17)
房地产开发企业竣工房屋面积 [8,9) [5,6) [10,11) [0,16) [2,3) [0,19) [0,20) [0,15) [0,25) [0,10)
房地产开发企业住宅竣工房屋面积 [1,9) [0,9) [0,11) [0,9) [2,3) [0,12) [0,15) [0,8) [0,14) [3,10)
房地产开发企业施工房屋面积 [2,3) [2,3) [2,4) [2,4) [3,4) [7,8) [12,13) [0,23) [0,26) [3,14)
普通本专科在校学生数 [2,3) [2,3) [2,5) [2,3) [2,4) [4,5) [4,5) [4,5) [16,17) [4,6)
年末户籍人口 NAN [2,3) [0,6) [0,5) [0,6) [0,9) [0,6) [0,6) [0,14) [0,7)
医院个数 [1,3) [2,3) [2,3) [2,3) [2,3) [0,8) [0,6) [0,5) [0,21) [1,6)
第一产业增加值 [0,3) [0,2) [0,1) [0,1) [0,1) [0,1) [0,1) [0,1) [0,1) [0,1)
商品房销售面积 [2,3) [2,3) [2,3) [2,3) [2,4) [0,20) [12,13) [0,24) [13,14) [4,10)
旅客运输量 [1,3) [2,3) [3,4) [2,3) [97,98) [2,4) [6,7) [40,41) [17,18) [19,20)
表13 2012—2020年各市级尺度社会参数最佳灯光辐射强度区间的区间中值与区间长度的标准差

Tab. 13 Standard deviations of the interval median and interval length of the optimal light radiation intensity intervals for each social parameter at municipal scale at during 2012-2020

社会参数 区间中值
标准差		 区间长度
标准差
地方一般公共预算支出 2.74 5.46
地方一般公共预算收入 1.72 0.92
社会消费品零售总额 2.05 5.47
地区生产总值 2.71 5.98
第三产业增加值 3.91 4.03
货物运输量 35.65 0.63
第二产业增加值 3.73 13.75
执业(助理)医师数 3.80 10.68
房地产开发投资额 1.31 13.78
房地产开发商业营业用房投资额 3.87 0.68
城镇非私营单位在岗职工平均工资 3.37 6.81
房地产开发办公楼投资额 4.48 11.28
房地产开发住宅投资额 3.11 9.23
房地产开发企业竣工房屋面积 2.77 9.32
房地产开发企业住宅竣工房屋面积 1.45 3.89
房地产开发企业施工房屋面积 4.34 9.69
普通本专科在校学生数 4.19 0.67
年末户籍人口 1.75 3.87
医院数 2.51 6.14
第一产业增加值 0.33 0.67
商品房销售面积 4.75 8.73
旅客运输量 30.02 0.42
表14 2012—2020年各市级尺度社会参数所对应的特定灯光辐射强度区间

Tab. 14 Specific light radiation intensity intervals for each social parameter at municipal scale during 2012-2020

社会参数 特定灯光
辐射强度区间		 层次
第一产业增加值 [0,1) 低值辐射区
年末户籍人口 [0,6)
医院数 [0,6)
旅客运输量 [3,4)
普通本专科在校学生数 [4,5)
商品房销售面积 [0,11) 低中值辐射区
房地产开发企业
住宅竣工房屋面积		 [0,13)
房地产开发企业施工房屋面积 [0,15)
房地产开发企业竣工房屋面积 [0,20)
房地产开发商业
营业用房投资额		 [10,23) 中值辐射区
社会消费品零售总额 [19,20)
地区生产总值 [19,20)
第二产业增加值 [19,20)
第三产业增加值 [19,28) 中高辐射区
地方一般公共预算支出 [23,28)
房地产开发办公楼投资额 [24,28)
城镇非私营单位
在岗职工平均工资		 [26,27)
地方一般公共预算收入 [26,28)
房地产开发住宅投资额 [0,25) 宽泛辐射区
执业(助理)医师数 [0,28)
货物运输量 [0,37)
房地产开发投资额 [6,25)

4.2.1 相关系数的结果分析

在市级尺度的24个社会参数中，道路交通等效声级和环境噪声等效声级这两项参数在部分年份与TRSI和TDN均未通过显著性检验，第一产业增加值、商品房销售面积、旅客运输量在部分年份与TDN未通过显著性检验，但是与TRSI均存在显著相关性。其他均通过相关性显著性检验的参数，与TRSI的相关系数均要明显高于TDN，相关系数均值提升0.08。对比表7和表11，省级尺度和市级尺度相同（或者相似）的社会参数有地区生产总值、地方一般公共预算支出（地方财政一般预算支出）、社会消费品零售总额、医院个数、商品房销售面积（相似的社会参数，括号中的为省级对应的参数）。这些参数除了地方一般公共预算支出（地方财政一般预算支出），其他参数在省级尺度与TRSI、TDN的相关系数要高于市级尺度（其中市级尺度商品房销售面积与TDN未通过相关性显著性检验）。对比省、市级尺度各个社会参数与TRSI、TDN的相关系数，与TRSI的相关系数均要高于TDN，省级尺度上相关系数平均提升0.06，在市级尺度上平均提升0.08，在市级尺度上与TRSI的相关系数提升的更明显。同时表7和表11也可以看出那些与TDN相关系数比较低的社会参数，与TRSI的相关系数提升的更显著。

4.2.2 最佳灯光辐射强度区间的结果分析

从表13来看，货物运输量、旅客运输量这2个社会参数的区间中值变化很大，但是区间长度变化很小。表12显示货物运输量参数2012、2013、2015、2016年这4年的最佳灯光辐射强度区间非常接近，并且都很大，其他年份的最佳灯光辐射强度区间也很接近，但是都很小。旅客运输量未通过与TDN的相关性显著性检验，2016、2019这2年的最佳灯光辐射强度区间较大，其他年份都较小。这两个参数与夜间灯光的关系较为复杂，存在较强的时间异质性，不适合采用TRSI指数进行分析。其他市级尺度各个社会参数最佳灯光辐射强度区间的区间中值与区间长度随时间波动都较小，最佳灯光辐射强度区间较为稳定。对比各个市级社会参数表14的特定灯光辐射强度区间和表12的平均辐射区间，发现除了货物运输量、旅客运输量这2个社会参数差异非常大之外，其他参数这2种区间非常接近。同省级的情况类似，从另一个角度表明除了货物运输量、旅客运输量这两个社会参数之外的市级社会参数的最佳灯光辐射强度区间非常稳定。
最后从表14可以看出，不同市级社会参数的最佳灯光辐射强度区间也体现出层次性，表14第一部分的5个参数位于[0,10）低值辐射区间，第二部分的4个参数位于[0,20）低中值辐射区间，第三部分4个参数大致位于[10,20）中值辐射区间，第四部分5个参数大致位于[20,30）高值辐射区间，第五部分4个参数位于[0,40）宽泛辐射区间。

4.3 讨论

夜光遥感具有尺度差异性[1]，很多研究表明，在大的空间尺度下，基于夜光遥感的社会参数建模能够取得比较好的效果[2,11-12,23]，但是在小的空间尺度上的应用具有一定的局限性[2,24]。不论是夜光遥感还是社会参数统计，都是对特定的空间尺度下人类活动的综合反映，在大的空间尺度下一些局部或偶然因素的干扰可能会被降低，数据的规律性往往更加明显。本文从省级和市级这两个基于夜光遥感的社会参数建模常见空间尺度进行实验，实验结果（表6、表7和表11）也表明省级尺度和市级尺度相同（或者相似）的社会参数与夜间灯光指数TRSI和TDN的相关性，整体而言省级尺度要高于市级尺度。但是值得注意的是， TRSI相对于TDN市级尺度的相关系数平均提升0.08高于省级尺度的相关系数平均提升值0.06， TRSI能够有效缓解小尺度下夜光遥感进行社会参数反演精度不高的局限。
为了具体分析不同社会参数与TRSI的关联关系，文本以武汉市为例，分析不同辐射强度的夜间灯光的空间分布特征。图1（a）为武汉市2021年的NPP-VIIRS年度中值影像，图1（b）为高分一号2021年8月13日获取的自然真彩色光学遥感影像。从图中可以看出城市核心商业区域和机场的灯光最亮，辐射值超过了40。城市居民区、工业区和公共基础设施区域的灯光其次，辐射范围在[8,40]，广大农村区域的灯光最弱，辐射值在8以下。具体而言，农作物总播种面积、粮食产量、第一产业增加值、互联网宽带接入户数（农村）与农业从业人口直接相关，而农村区域（如图1（b）城市的外围）的夜间灯光微弱(如图1（a）的深蓝色区域)，所以这部分社会参数相关联的灯光辐射非常弱，其中农作物总播种面积、粮食产量、第一产业增加值的特定灯光辐射强度区间都为[0, 1），并且非常稳定。公路里程、铁路营业里程、高速等级公路里程与公路、铁路沿线的照明灯光密切相关，城市中交通设施的灯光辐射强度较高，但是广大的乡村公路、铁路的照明设施灯光辐射强度很弱，所以整体来看它们对应的灯光辐射强度很弱。高速公路的照明要亮于普通公路和铁路，所以它的灯光辐射强度略大。年末常住人口、年末户籍人口、普通本专科在校学生数、城镇登记失业人数、入院数、卫生机构床位数、互联网宽带接入户数（总）、互联网宽带接入端口、电力消费量、建成区面积都与该行政区人口数量紧密相关，而人口数量对应着包括城市和广大农村地区居民区的夜间灯光总值，所以这部分参数对应的灯光辐射值也较弱，小于20。城市宽带接入用户、商品房销售面积、快递量、公共汽电车客运量与城市人口数量紧密相关，所以它们对应的灯光辐射值略强。房地产开发企业住宅竣工房屋面积、房地产开发企业施工房屋面积、房地产开发企业竣工房屋面积、房地产开发住宅投资额、房地产开发投资额、房地产开发商业营业用房投资额、房地产开发办公楼投资额，这些参数同样都与城市人口数量紧密相关，所以它们对应的灯光辐射值也略强。商业区和办公区的夜间灯光要明显高于居民区，所以房地产开发商业营业用房投资额、房地产开发办公楼投资额对应的区间也要高于房地产开发住宅投资额。公共汽电车运营线路总长度、道路清扫保洁面积、城市道路照明灯与城市交通基础设施的照明灯光相关，如图1（a）所示黄色区域，其灯光辐射较强。道路长度是城市道路长度和农村道路长度之和；城市路网密集，照明灯光也较强；农村道路稀疏，灯光也较弱。所以道路长度对应的灯光辐射覆盖范围较大，对应中低值的灯光辐射强度。城镇单位就业人员、地区生产总值与各种人类生产、生活活动及其附属的灯光相关，是比较综合的社会参数，所以其灯光辐射强度居中。地方一般公共预算收入、地方一般公共预算支出、地方财政一般预算支出、城市绿地面积都与城市基础设施相关，对应如图1（a）所示黄色区域，相关的灯光辐射较强，位于中间值区间。社会消费品零售总额、城镇单位就业人员工资总额、城镇非私营单位在岗职工平均工资、住宿业企业营业额、外商投资企业进出口总额、餐饮业企业营业额、连锁餐饮企业门店总数、第三产业增加值这些参数都与城市商业活动密切相关，城市的商业区灯光如图1（a）所示红色区域，灯光辐射强度最大，所以这些参数对应的最佳灯光辐射强度区间位于高值区间。此外建筑业房屋竣工面积、全体居民人均消费支出、旅客运输量、货物运输量的最佳灯光辐射强度区间年际波动性很大，不适合利用TRSI指数进行分析；医疗卫生机构个数、基层医疗卫生机构、医院个数、执业(助理)医师数、发电量与TRSI的内在关联关系相对复杂，有待进一步的深入分析。
图1 武汉市夜光遥感和光学遥感影像对比

Fig. 1 Comparison of nighttime light remote sensing and optical remote sensing images in Wuhan city

整体而言，首先社会参数对应的特定辐射强度区间与该参数对应的人类活动区域的灯光辐射强度密切相关，不同参数的特定辐射强度区间存在明显的层次性。与人类商业活动相关的参数对应商业区的灯光（图1（a）中的红色区域），灯光辐射最强，对应的特定辐射强度区间也最大；与城市基础设施相关的参数对应城市基础设施区域（图1（a）中的黄色区域），灯光次强；与城市人口相关的参数对应城市居民区，（图1（a）中的黄色区域），灯光次强；与农村人口相关的参数对应农村居民区，（图1（a）中的深蓝色区域），灯光最弱；参数对应多个人类活动区域，其特定辐射强度区间是这多个人类活动区域灯光强度的综合。其次同类社会参数的特定辐射强度区间又具有差异性，能够体现该参数的特征。另外部分参数与TRSI的关系相对复杂，需要进一步的深入分析。
由于夜光遥感影像受到背景噪音的影响，尽管许多学者提出诸多去除背景噪音的方法，但无法做到绝对去除背景噪音。本文采用Elvidge团队V2版的NPP-VIIRS年夜光影像，经过了背景噪音去除的处理，但是在夜光低辐射区间仍然不可避免的受到背景噪音的影响。本文的分析得到相关参数对应的最佳灯光辐射强度区间（表10、表14）。这有助于分析夜光遥感应用于这些参数分析时受背景噪音干扰的严重程度。当参数对应的最佳灯光辐射强度区间完全处于背景噪音的强度区间时（如表10中公路里程、铁路营业里程、高速等级公路里程、农作物总播种面积、粮食产量、医疗卫生机构个数、基层医疗卫生机构、医院个数等参数，表14中第一产业增加值），那么利用夜光遥感进行这些参数分析会受到背景噪音的严重干扰。从表6、表7和表11可以看出这些参数与TDN和TRSI的相关系数都相对较低。说明背景噪音确实干扰了夜光指数与这些参数的分析。当参数的最佳灯光辐射强度区间与背景噪音对应的低辐射值区间有交集时，也受到背景噪音一定程度的干扰，例如表10中互联网宽带接入户数（总）、入院数、卫生机构床位数等参数，表14中的年末常住人口、年末户籍人口、医院个数、旅客运输量、普通本专科在校学生数等参数。虽然受到背景噪音的严重干扰，表6、表7和表11的结果仍然表明，本文提出的TRSI与各个参数之间的相关系数要高于传统的TDN。当参数的最佳灯光辐射强度区间避开了背景噪音对应的低辐射值区间，那么利用本文的TRSI指数相对于传统的TDN，则可以有效地避开背景噪音的干扰，更体现了本文方法的优越性。

5 结论和展望

5.1 结论

本文筛选了39项省级尺度社会参数和24项市级尺度社会参数，除了省级尺度一项、市级尺度两项未通过显著性检验的社会参数，通过相关性分析确定了其他每个社会参数所对应的最佳灯光辐射强度区间，构建了顾及灯光强度区域的夜间灯光指数TRSI，得到如下结论：
（1）省级尺度社会参数中全体居民人均消费支出、建筑业房屋竣工面积和城市道路照明灯，市级尺度社会参数中货物运输量和旅客运输量的最佳灯光辐射强度区间随时间波动较大，不适合采用TRSI进行分析；其他参数的最佳灯光辐射强度区间相对稳定，适合构建TRSI。
（2）TRSI考虑了灯光的异质性，与各项社会参数在特定的灯光辐射强度区间有着显著的相关性；与传统的夜间灯光指数TDN相比，增加了能与夜间灯光指数建立联系的社会参数数量，显著提高了夜间灯光指数与社会参数之间的相关性，特别是与TDN相关性越低的参数，提升越明显。省级尺度上社会参数与TRSI、TDN的相关性整体上要高于市级尺度，但是在市级尺度上TRSI比TDN相关系数提升的更明显。TRSI拓展了夜光遥感在社会参数分析领域的应用范围，提高了准确性。
（3）各行业社会参数的最佳灯光辐射强度区间与该参数对应的人类活动区域的灯光辐射强度密切相关，表现出明显的差异性与层次性。通过分析参数的最佳灯光辐射强度区间，可以更深入地理解该参数与具体灯光辐射强度区域内人类活动特征及其对应的夜间灯光的关联关系，同时分析它与夜光遥感数据的背景噪音强度的关系还可以有效地评估该夜光遥感数据应用于该参数分析时受背景噪音干扰的程度。

5.2 不足与展望

（1）社会经济参数数量众多，本文无法将所有参数都进行分析，只能从可能与夜光具有较强相关性的参数中挑选一些代表性的参数。本文的39项省级尺度参数和24项市级尺度参数的筛选具有一定的主观性，但是仍然能够得出区分灯光辐射强度区间可以在一个很大的领域范围内提高夜光遥感的应用潜力。
（2）本文对夜间灯光辐射强度的划分具有主观性，不够精细，分析也仅仅局限于中国地区省、市两级空间尺度和年时间尺度，相关性分析的方法仅能够反映二者的线性关系，而忽略了其他非线性相关关系。
（3）参数的最佳灯光辐射强度区间存在着时空异质性，本文得到的各个参数的最佳灯光辐射强度区间依赖于本文的实验数据，其他时间或者空间的数据计算结果会有差异。本文的意义在于构建TRSI的方法而不在于每个参数具体的最佳灯光辐射强度区间。因此针对具体的参数，可以进一步深入了解这些参数的采集过程或者统计方法，利用本文方法得到具体应用下相应的最佳灯光辐射强度区间，构建TRSI。同时分析该参数的最佳灯光辐射强度区间的时空变化规律，提升TRSI的应用效果。
（4）本文对于各社会参数的最佳灯光辐射强度区间范围规律性的分析受限于NPP-VIIRS数据的时间跨度，将NPP-VIIRS数据与DMSP-OLS等其他夜光遥感数据的有效整合，可以建立更长时间序列的夜光遥感数据集，更好地分析各社会参数最佳灯光辐射强度区间随时间的变化规律。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李德仁, 李熙. 论夜光遥感数据挖掘[J]. 测绘学报, 2015, 44(6):591-601.

DOI

[Li D R, Li X. An overview on data mining of nighttime light remote sensing[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(6):591-601.] DOI:10.11947/j.AGCS.2015.20150149

[2]
余柏蒗, 王丛笑, 宫文康, 等. 夜间灯光遥感与城市问题研究:数据、方法、应用和展望[J]. 遥感学报, 2021, 25(1):342-364.

[ Yu B L, Wang C X, Gong W K, et al. Nighttime light remote sensing and urban studies: Data, methods, applications, and prospects[J]. National Remote Sensing Bulletin, 2021, 25(1):342-364.]

[3]
陈晋, 卓莉, 史培军, 等. 基于DMSP/OLS数据的中国城市化过程研究——反映区域城市化水平的灯光指数的构建[J]. 遥感学报, 2003, 7(3):168-175.

[Chen J, Zhuo L, Shi P J, et al. The study on urbanization process in China based on DMSP/OLS data: Development of a light index for urbanization level estimation[J]. Journal of Remote Sensing, 2003, 7(3):168-175.] DOI:10.3321/j.issn:1007-4619.2003.03.002

[4]
Elvidge C D, Baugh K, Zhizhin M, et al. VIIRS night-time lights[J]. International Journal of Remote Sensing, 2017, 38(21):5860-5879. DOI:10.1080/01431161.2017.1342050

[5]
Lo C P. Urban indicators of China from radiance-calibrated digital DMSP-OLS nighttime images[J]. Annals of the Association of American Geographers, 2002, 92(2):225-240. DOI:10.1111/1467-8306.00288

[6]
Li X, Liu Z M, Chen X L, et al. Assessing the ability of Luojia 1-01 imagery to detect feeble nighttime lights[J]. Sensors, 2019, 19(17):3708. DOI:10.3390/s19173708

[7]
Zheng Q M, Weng Q H, Huang L Y, et al. A new source of multi-spectral high spatial resolution night-time light imagery—JL1-3B[J]. Remote Sensing of Environment, 2018, 215:300-312. DOI:10.1016/j.rse.2018.06.016

[8]
Wu B, Yang C S, Wu Q S, et al. A building volume adjusted nighttime light index for characterizing the relationship between urban population and nighttime light intensity[J]. Computers, Environment and Urban Systems, 2023, 99:101911. DOI:10.1016/j.compenvurbsys.2022.101911

[9]
Huang C Q, Hong S, Niu X X, et al. Mapping of nighttime light trends and refugee population changes in Ukraine during the Russian-Ukrainian War[J]. Frontiers in Environmental Science, 2023, 11:1055100. DOI:10.3389/fenvs.2023.1055100

[10]
Zeng C Q, Zhou Y, Wang S X, et al. Population spatialization in China based on night-time imagery and land use data[J]. International Journal of Remote Sensing, 2011, 32(24):9599-9620. DOI:10.1080/01431161.2011.569581

[11]
王毓乾, 孔轩, 钱宽, 等. DMSP/OLS数据去饱和处理与省域生产总值反演[J]. 遥感信息, 2019, 34(4):16-21.

[Wang Y Q, Kong X, Qian K, et al. DMSP/OLS data desaturation and Chinese gross regional product regression[J]. Remote Sensing Information, 2019, 34(4):16-21.] DOI:10.3969/j.issn.1000-3177.2019.04.004

[12]
Zhao M, Cheng W M, Zhou C H, et al. GDP spatialization and economic differences in south China based on NPP-VIIRS nighttime light imagery[J]. Remote Sensing, 2017, 9(7):673. DOI:10.3390/rs9070673

[13]
Zhao N Z, Liu Y, Cao G F, et al. Forecasting China’s GDP at the pixel level using nighttime lights time series and population images[J]. GIScience & Remote Sensing, 2017, 54(3):407-425. DOI:10.1080/15481603.2016.1276705

[14]
Zhao N Z, Ghosh T, Samson E. Mapping spatio-temporal changes of Chinese electric power consumption using night-time imagery[J]. International Journal of Remote Sensing, 2012, 33(20):6304-6320. DOI:10.1080/01431161.2012.684076

[15]
Shi K F, Chen Y, Yu B L, et al. Detecting spatiotemporal dynamics of global electric power consumption using DMSP-OLS nighttime stable light data[J]. Applied Energy, 2016, 184:450-463. DOI: 10.1016/j.apenergy.2016.10.032.

[16]
Doll C H, Muller J P, Elvidge C D. Night-time imagery as a tool for global mapping of socioeconomic parameters and greenhouse gas emissions[J]. AMBIO: A Journal of the Human Environment, 2000, 29(3):157-162. DOI:10.1579/0044-7447-29.3.157

[17]
Shi K F, Chen Y, Yu B L, et al. Modeling spatiotemporal CO2(carbon dioxide) emission dynamics in China from DMSP-OLS nighttime stable light data using panel data analysis[J]. Applied Energy, 2016, 168:523-533. DOI: 10.1016/j.apenergy.2015.11.055

[18]
Chen Z Q, Yu B L, Hu Y J, et al. Estimating house vacancy rate in metropolitan areas using NPP-VIIRS nighttime light composite data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(5):2188-2197. DOI:10.1109/JSTARS.2015.2418201

[19]
Li X, Li D R, Xu H M, et al. Intercalibration between DMSP/OLS and VIIRS night-time light images to evaluate city light dynamics of Syria’s major human settlement during Syrian Civil War[J]. International Journal of Remote Sensing, 2017, 38(21):5934-5951. DOI:10.1080/01431161.2017.1331476

[20]
王毓乾, 宋雪鹏, 邓志杰, 等. 基于珞珈一号夜光遥感的城市建成区提取方法对比分析研究——以南昌市为例[J]. 东华理工大学学报(自然科学版), 2023, 46(1):61-67.

[ Wang Y Q, Song X P, Deng Z J, et al. Comparative analysis of urban built-up area extraction methods based on Luojia 1-01 nighttime light remote sensing: A case study of Nanchang[J]. Journal of East China University of Technology (Natural Science), 2023, 46(1):61-67.] DOI:10.3969/j.issn.1674-3504.2023.01.007

[21]
Liu Q, Sha D X, Liu W, et al. Spatiotemporal patterns of COVID-19 impact on human activities and environment in mainland China using nighttime light and air quality data[J]. Remote Sensing, 2020, 12(10):1576. DOI:10.3390/rs12101576

[22]
Elvidge C D, Zhizhin M, Ghosh T, et al. Annual time series of global VIIRS nighttime lights derived from monthly averages: 2012 to 2019[J]. Remote Sensing, 2021, 13 (5):922. DOI:10.3390/rs13050922

[23]
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.

DOI

[Han X D, Zhou Y, Wang S X, et al. GDP spatialization in China based on nighttime imagery[J]. Journal of Geo-Information Science, 2012, 14(1):128-136.] DOI:10.3724/SP.J.1047.2012.00128

[24]
杨眉, 王世新, 周艺, 等. DMSP/OLS夜间灯光数据应用研究综述[J]. 遥感技术与应用, 2011, 26(1):45-51.

DOI

[ Yang M, Wang S X, Zhou Y, et al. Review on applications of DMSP/OLS night-time emissions data[J]. Remote Sensing Technology and Application, 2011, 26(1):45-51.]

Options
文章导航

/

〈 〉